基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)班級(jí)： 21班 學(xué)號(hào)：姓名： 常臨妍摘 要常規(guī)PID控制技術(shù)是工業(yè)控制中一種常用的控制方法。其結(jié)構(gòu)簡(jiǎn)單、容易實(shí)現(xiàn)、控制效果良好，且能對(duì)相當(dāng)一些工業(yè)對(duì)象或過(guò)程進(jìn)行有效的控制，已得到廣泛應(yīng)用。但其局限性在于：當(dāng)控制對(duì)象不同，或被控對(duì)象具有復(fù)雜的非線性特性時(shí)，難以建立精確的數(shù)學(xué)模型。控制器的參數(shù)難以自動(dòng)調(diào)整以適應(yīng)外界環(huán)境的變化。且由于對(duì)象和環(huán)境的不確定性，往往難以達(dá)到滿意的控制效果。為了使控制器具有較好的自適應(yīng)性，實(shí)現(xiàn)控制器參數(shù)的自動(dòng)調(diào)整，可以借助BP神經(jīng)網(wǎng)絡(luò)控制的方法。BP神經(jīng)網(wǎng)絡(luò)已被證明具有逼近任意連續(xù)有界非線性函數(shù)的能力，給非線性控制

2、帶來(lái)了新的思路。利用人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力，并結(jié)合傳統(tǒng)的PID控制理論，構(gòu)造神經(jīng)網(wǎng)絡(luò)PID控制器，實(shí)現(xiàn)控制器參數(shù)的自動(dòng)調(diào)整。本文研究了基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)，利用BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力進(jìn)行在線參數(shù)整定。其實(shí)現(xiàn)具有自適應(yīng)性等特點(diǎn)，網(wǎng)絡(luò)的收斂速度快，能夠?qū)Ψ蔷€性對(duì)象有很好的控制，系統(tǒng)的跟蹤性能好。其參數(shù)設(shè)定無(wú)需知道被控對(duì)象的具體參數(shù)及其數(shù)學(xué)模型，對(duì)不同的對(duì)象具有適應(yīng)性。關(guān)鍵詞：控制 BP 控制器設(shè)計(jì)一緒論1.1神經(jīng)元網(wǎng)絡(luò)PID的發(fā)展歷程1934年，美國(guó)心理學(xué)家W.McCulloch和數(shù)學(xué)家W.Pitts用數(shù)學(xué)模型對(duì)神經(jīng)系統(tǒng)中的神經(jīng)元進(jìn)行理論建模，建立了MP神經(jīng)元模型。MP神經(jīng)元模型

3、首次用簡(jiǎn)單的數(shù)學(xué)模型模仿出生物神經(jīng)元活動(dòng)功能，并揭示了通過(guò)神經(jīng)元的相互連接和簡(jiǎn)單的數(shù)學(xué)計(jì)算，可以進(jìn)行相當(dāng)復(fù)雜的邏輯運(yùn)算這一事實(shí)。1957年，美國(guó)計(jì)算機(jī)學(xué)家F.Rosenblatt提出了著名的感知器模型。它是一個(gè)具有連續(xù)可調(diào)權(quán)值矢量的MP神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過(guò)訓(xùn)練可達(dá)到對(duì)一定輸入矢量模型進(jìn)行識(shí)別的目的。1959年，美國(guó)工程師B.Widrow和M.Hoff提出了自適應(yīng)線性元件。它與感知器的主要不同之處在于其神經(jīng)元有一個(gè)線性激活函數(shù)，這允許輸出可以是任意值，而不僅僅只是像感知器中那樣只能取0或1。提高了訓(xùn)練收斂速度和精度。他們從工程實(shí)際出發(fā)，不僅在計(jì)算機(jī)上模擬了這種神經(jīng)網(wǎng)絡(luò)，而且還做成了硬件，并將訓(xùn)練后

4、的人工神經(jīng)網(wǎng)絡(luò)成功的用于小通訊中的回波和噪聲，成為第一個(gè)用于解決實(shí)際問(wèn)題的人工神經(jīng)網(wǎng)絡(luò)。1969年，人工智能的創(chuàng)始人之一M.Minsky和S.Papert在合著感知器一書(shū)中，對(duì)以單層感知器為代表的簡(jiǎn)單人工神經(jīng)網(wǎng)絡(luò)的功能及局限性進(jìn)行了深入分析，指出，單層感知器只能進(jìn)行線性分類，對(duì)線性不可分的輸入模式無(wú)效。而解決方法是設(shè)計(jì)出具有隱含層的多層神經(jīng)網(wǎng)絡(luò)。但要找到一個(gè)有效修正權(quán)矢量的學(xué)習(xí)算法并不容易。這一結(jié)論使當(dāng)時(shí)許多神經(jīng)網(wǎng)絡(luò)研究者感到迷茫，對(duì)神經(jīng)網(wǎng)絡(luò)理論的發(fā)展起了消極作用。1982年，美國(guó)學(xué)者J.Hopfield提出了霍普菲爾德網(wǎng)絡(luò)模型，將能量函數(shù)引入到對(duì)稱反饋網(wǎng)絡(luò)中，使網(wǎng)絡(luò)穩(wěn)定性有了明顯判據(jù)，并利用

5、提出的網(wǎng)絡(luò)的神經(jīng)計(jì)算能力來(lái)解決條件優(yōu)化問(wèn)題。此模型可以用電子模擬線路實(shí)現(xiàn)，還興起了對(duì)新一代電子神經(jīng)計(jì)算機(jī)的研究。1986年，D.E.Rumelhart等人提出的解決多層神經(jīng)網(wǎng)絡(luò)權(quán)值修正的算法誤差反向傳播法，簡(jiǎn)稱BP算法，找到了解決M.Minsky和S.Papert提出的問(wèn)題的辦法，給人工神經(jīng)網(wǎng)絡(luò)增添了新活力。1.2神經(jīng)網(wǎng)絡(luò)的概念與特點(diǎn)神經(jīng)網(wǎng)絡(luò)系統(tǒng)是指利用工程技術(shù)手段，模擬人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能的一種技術(shù)系統(tǒng)，它是一種大規(guī)模并行的非線性動(dòng)力學(xué)系統(tǒng)。由于它是由人工方式構(gòu)造的網(wǎng)絡(luò)系統(tǒng)，因此也稱為人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)?；谌斯ど窠?jīng)網(wǎng)絡(luò)的控制簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)控制。神經(jīng)網(wǎng)絡(luò)控制是一種基本上不依賴于模型的控制方法

6、，它適用于具有不確定性、事變的對(duì)象與環(huán)境，并具有較強(qiáng)的自適應(yīng)能力、學(xué)習(xí)能力、非線性影射能力、魯棒性和容錯(cuò)能力。人工神經(jīng)網(wǎng)絡(luò)有以下幾個(gè)突出的優(yōu)點(diǎn)：能逼近任意L2上的非線性函數(shù)；信息的并行分布式處理與存儲(chǔ)；可以多輸入、多輸出；便于用超大規(guī)模集成電路或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)，或用現(xiàn)有的計(jì)算機(jī)技術(shù)實(shí)現(xiàn)；能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。人工神經(jīng)網(wǎng)絡(luò)還有以下優(yōu)越性：1、 具有自學(xué)習(xí)功能。實(shí)現(xiàn)圖像識(shí)別時(shí)，先把許多不同的圖像樣板和對(duì)應(yīng)的應(yīng)識(shí)別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就會(huì)通過(guò)自學(xué)習(xí)功能，慢慢學(xué)會(huì)識(shí)別似的圖像。自學(xué)習(xí)功能對(duì)于預(yù)測(cè)有特別重要的意義。預(yù)期未來(lái)的人工神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)將為人類提 供經(jīng)濟(jì)預(yù)測(cè)、市場(chǎng)預(yù)測(cè)、效益預(yù)

7、測(cè)，其應(yīng)用前途是很遠(yuǎn)大的。 二、具有聯(lián)想存儲(chǔ)功能。用人工神經(jīng)網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實(shí)現(xiàn)這種聯(lián)想。 三、具有高速尋找優(yōu)化解的能力。尋找一個(gè)復(fù)雜問(wèn)題的優(yōu)化解，往往需要很大的計(jì)算量，利用一個(gè)針對(duì)某問(wèn)題而設(shè)計(jì)的反饋型 人工神經(jīng)網(wǎng)絡(luò)，發(fā)揮計(jì)算機(jī)的高速運(yùn)算能力，可能很快找到優(yōu)化解。 圖1-1神經(jīng)網(wǎng)絡(luò)基本模型二基于BP神經(jīng)網(wǎng)絡(luò)PID控制器的設(shè)計(jì)PID 控制要取得良好的控制效果，必須對(duì)比例、積分和微分三種控制作用進(jìn)行調(diào)整以形成相互配合又相互制約的關(guān)系。這種關(guān)系不一定是簡(jiǎn)單的“線性組合”，可從變化無(wú)窮的非線性組合中找出最佳的關(guān)系。神經(jīng)網(wǎng)絡(luò)所具有的任意非線性表示能力，可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PI

8、D控制。采用BP神經(jīng)網(wǎng)絡(luò)，利用其具有逼近任意非線性函數(shù)的能力，且結(jié)構(gòu)和學(xué)習(xí)算法簡(jiǎn)單明確的優(yōu)點(diǎn)，建立參數(shù)自學(xué)習(xí)的PID控制器。通過(guò)神經(jīng)網(wǎng)絡(luò)自身的學(xué)習(xí)，可以找到某一最優(yōu)控制下的P、I、D參數(shù)?；贐P神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)如圖2-1所示，控制器由兩個(gè)部分組成：經(jīng)典的PID控制器：直接對(duì)被控對(duì)象過(guò)程閉環(huán)控制，并且三個(gè)參數(shù)為在線整定式；神經(jīng)網(wǎng)絡(luò)NN：根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，調(diào)節(jié)PID控制器的參數(shù)，以期達(dá)到某種性能指標(biāo)的最優(yōu)化。即使神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元的輸出狀態(tài)對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)，通過(guò)神經(jīng)網(wǎng)絡(luò)的自身學(xué)習(xí)、加權(quán)系數(shù)調(diào)整，從而使其穩(wěn)定狀態(tài)對(duì)應(yīng)于某種最優(yōu)控制律下的PID控制器參數(shù)。學(xué)習(xí)算法神

9、經(jīng)網(wǎng)絡(luò)NNPID控制器被控對(duì)象輸入r+ euy圖2-1基于BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)經(jīng)典增量式數(shù)字PID的控制算法式為 式中比例、積分、微分系數(shù)。將視為依賴于系統(tǒng)運(yùn)行狀態(tài)的可調(diào)系數(shù)時(shí)，可將式描述為 上式中，是與等有關(guān)的非線性函數(shù)，可用BP神經(jīng)網(wǎng)絡(luò)NN通過(guò)訓(xùn)練和學(xué)習(xí)來(lái)找到這樣的一個(gè)最佳的控制規(guī)律。在這里設(shè)計(jì)的BP網(wǎng)絡(luò)采用結(jié)構(gòu)簡(jiǎn)單的三層BP神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)如圖所示，有M個(gè)輸入節(jié)點(diǎn)、Q個(gè)隱含層節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)。輸入節(jié)點(diǎn)對(duì)應(yīng)所選的系統(tǒng)運(yùn)行狀態(tài)量，如系統(tǒng)不同時(shí)刻的輸入量和輸出量等，必要時(shí)要進(jìn)行歸一化處理。輸出節(jié)點(diǎn)分別對(duì)應(yīng)PID控制器的三個(gè)可調(diào)參數(shù)。 由于不能為負(fù)值，所以輸出層神經(jīng)元的激發(fā)函數(shù)取非

10、負(fù)對(duì)稱的Sigmoid函數(shù)，而隱含層神經(jīng)元的激發(fā)函數(shù)可取正負(fù)對(duì)稱的Sigmoid函數(shù)。 圖2-2 NN-BP網(wǎng)絡(luò)結(jié)構(gòu)由圖可見(jiàn)，BP神經(jīng)網(wǎng)絡(luò)NN的輸入為 式中，輸入變量的個(gè)數(shù)M取決于被控系統(tǒng)的復(fù)雜程度。網(wǎng)絡(luò)的隱含層輸入輸出為 式中 隱含層加權(quán)系數(shù)； 閾值，=； 激發(fā)函數(shù)，；上角標(biāo)（1）、（2）、（3）輸入層、隱含層、輸出層。 最后，網(wǎng)絡(luò)的輸出層的輸入輸出為 式中 輸出層加權(quán)系數(shù)； 閾值，=； 激發(fā)函數(shù)，。取性能指標(biāo)函數(shù)為 依最速下降法修正網(wǎng)絡(luò)的加權(quán)系數(shù)，即按J對(duì)加權(quán)系數(shù)的負(fù)梯度方向搜索調(diào)整，并附加一使搜索快速收斂全局極小的慣性項(xiàng)，則有 式中 學(xué)習(xí)速率； 慣性系數(shù)。 由于未知，所以近似用符號(hào)函數(shù)取代，由此帶來(lái)的計(jì)算不精確的影響可以通過(guò)調(diào)整學(xué)習(xí)速率來(lái)補(bǔ)償。 由式可以求得 因此可得BP神經(jīng)網(wǎng)絡(luò)NN輸出層的加權(quán)系數(shù)計(jì)算公式為下式依據(jù)上述推算辦法，可得隱含層加權(quán)系數(shù)的計(jì)算公式為 式中 ；。基于BP神經(jīng)網(wǎng)絡(luò)的PID控制算法可歸納如下：事先選定BP神經(jīng)網(wǎng)絡(luò)（NN）的結(jié)構(gòu)，即選定輸入層節(jié)點(diǎn)數(shù)M和隱含層節(jié)點(diǎn)數(shù)Q，并給出各層加權(quán)系數(shù)的初值、；選定學(xué)習(xí)速率和慣性系數(shù)；采樣得到和，計(jì)算；對(duì)進(jìn)行歸一化處理作為NN的輸入；根據(jù)式、前向計(jì)算NN的各層神經(jīng)元的輸入和輸出，NN輸出層的輸出即為PID控制器的三個(gè)可調(diào)參數(shù)；根據(jù)式，計(jì)算PID控制器的控制輸出，參與控制和計(jì)算；由式，計(jì)算