神經(jīng)網(wǎng)絡在雙容水箱液位控制系統(tǒng)中的應用_畢業(yè)論文

1、神經(jīng)網(wǎng)絡在雙容水箱液位控制系統(tǒng)中的應用神經(jīng)網(wǎng)絡在雙容水箱液位控制系統(tǒng)中的應用摘 要本文主要介紹了神經(jīng)網(wǎng)絡在雙容水箱液位控制系統(tǒng)中的應用。將傳統(tǒng)的PID控制方法、BP神經(jīng)網(wǎng)絡控制方法和神經(jīng)網(wǎng)絡 PID控制方法進行 對比，通過對動態(tài)性能指標的分析可以得出神經(jīng)網(wǎng)絡 PID控制在雙容水箱液 位控制系統(tǒng)中可取得較好的控制效果這一結論。液位控制系統(tǒng)是典型的大滯 后、非線性、強耦合的復雜控制系統(tǒng)。隨著現(xiàn)代工業(yè)的發(fā)展，在某些化學工 業(yè)以及能源產(chǎn)業(yè)越來越多的應用到液位控制系統(tǒng)。神經(jīng)網(wǎng)絡控制技術作為控制領域的一個分支學科為解決復雜的具有非線性特點或是不確定、不確知的系統(tǒng)開辟了一條嶄新的途徑。本文首先對雙容水箱液位

2、控制系統(tǒng)的應用及其 常用控制方案進行了介紹，根據(jù)其結構圖建立數(shù)學模型，得到傳遞函數(shù)。根 據(jù)它的傳遞函數(shù)，建立普通 PID控制器、BP神經(jīng)網(wǎng)絡控制器和神經(jīng)網(wǎng)絡的 PID控制器，對控制方案進行模擬及仿真獲得數(shù)據(jù)比較分析后得出三種控制 方法中神經(jīng)網(wǎng)絡控制在雙容水箱液位控制系統(tǒng)中可取得較好控制效果的結 論。關鍵字雙容水箱，PID控制器，BP神經(jīng)網(wǎng)絡，神經(jīng)網(wǎng)絡控制器ABSTRACTThe application of the neural network control theory to the dual -tank water level control system be introduced i

3、n this paper. Compared with the traditional PID controller , BP neural network controller and neural network PID controller, come to some advantage the neural network PID controller in the control the dual -tank water level system. The tank level control system is a typically large time-delay, non-l

4、inear and coupling lag complicated control神經(jīng)網(wǎng)絡在雙容水箱液位控制系統(tǒng)中的應用system.With the development of modern industry, some of the chemical industry and the energy industry use the tank level control system more and moreNeural network control is a branch of automatic control, it has opened up a new way to sol

5、ve the problem of complex non-linear, uncertain, unascertained systemn this paper I firstly introduces dual -tank water level control system and the method of control it, then establishes its mathematical model and obtain pipeline. Based on pipeline, the author establishes ordinary PID controller, B

6、P neural network controller and the neural network PID controller. By emulating and imitating control scheme, the data is obtained. Through comparing and analyzing the data, this paper will reach the conclusion that, in three control methods, neural network control has the superiority in the dual- t

7、ank water level control system.Key Words: Dual -tank water , PID controller , BP neural network ,Neural networkcontroller神經(jīng)網(wǎng)絡在雙容水箱液位控制系統(tǒng)中的應用目錄 TOC o 1-5 h z .緒論 1雙容水箱的實際應用 1水箱液位的控制方法 2.雙容水箱模型簡介 3立體背景 3數(shù)學模型的建立 4特性分析 錯誤！未定義書簽。.神經(jīng)網(wǎng)絡控制 6神經(jīng)網(wǎng)絡控制理論 6 HYPERLINK l bookmark2 o Current Document BP 網(wǎng)絡 6PID控制器及其

8、參數(shù)整定方法 13基于BP網(wǎng)絡的PID控制器 14.設計方案 21PID控制器控制的雙容水箱液位控制系統(tǒng)的仿真 21BP神經(jīng)網(wǎng)絡控制器 24神經(jīng)網(wǎng)絡PID控制器 30小結 32.總結 33參考文獻 35附錄 36致謝 371.緒論雙容水箱液位控制就是一個典型的大滯后、非線性、強耦合的復雜控制系統(tǒng)。而液位控制作為過程控制系統(tǒng)中的一類重要控制系統(tǒng)在 現(xiàn)代工業(yè)中已經(jīng)占有越來越重要的位置， 采用傳統(tǒng)控制的方法已經(jīng)難 以滿足當代工業(yè)對控制方法快速性、 準確性的要求。本文首先介紹了 雙容水箱液位控制系統(tǒng)數(shù)學模型的建立、確定其傳遞函數(shù)并采用三種 方法對該系統(tǒng)進行控制，分別為傳統(tǒng) PID控制器、BP神經(jīng)網(wǎng)絡控

9、制 器和神經(jīng)網(wǎng)絡PID控制器，并對其進行仿真獲得結果曲線比較后從 而得出神經(jīng)網(wǎng)絡控制理論在雙容水箱液位控制系統(tǒng)中的具有優(yōu)勢的 結論。本次畢業(yè)設計著重討論了神經(jīng)網(wǎng)絡PID控制器中各個神經(jīng)元權值及閾值的調整，依據(jù)BP神經(jīng)網(wǎng)絡具有自學習的能力為指導思想 通過多次訓練神經(jīng)網(wǎng)絡使其達到最優(yōu)的控制效果。 本文共分為五個章 節(jié)，第一章主要介紹了雙容水箱的實際應用及其常用的控制方法；第二章著重介紹雙容水箱的特點及其數(shù)學模型的建立；第三章列舉了神 經(jīng)網(wǎng)絡相關的理論知識；第四章是總體設方案以及結果的仿真與比 較；第五章為本論文的總結。雙容水箱的實際應用在工業(yè)生產(chǎn)實際中，液位控制系統(tǒng)是使用頻率較高的控制系統(tǒng)之 一。

10、雙容水箱液位控制系統(tǒng)是典型大滯后系統(tǒng)而且還具有非線性、強耦合等特點，控制理論研究人員認為其特別地適合于對各種控制算法的研究以及理論實現(xiàn)。其中雙容水箱在船舶工業(yè)過程控制系統(tǒng)中得到了越來越多的應用，實現(xiàn)對雙容水箱的自動控制是想要真正實現(xiàn)無人 機艙操作首要解決的問題，對工業(yè)的無人操作也具有重大的里程碑的 意義22。同時，在某些化工產(chǎn)業(yè)和能源工業(yè)中， 也在非常普遍的應用 了可以提煉為雙容水箱模型的液體反應罐。 因此，許多智能控制理論 研究人員一直將雙容水箱液位控制系統(tǒng)視為典型的研究對象，不斷嘗試各種新的控制方案，不斷探索智能控制在各種不同類型的控制系統(tǒng) 中的應用以獲得更好的控制效果。水箱液位的控制方法

11、生產(chǎn)實踐中對水箱液位控制的方式有很多種， 但隨著水箱數(shù)目的 增加，準確、快速地控制水箱液位已經(jīng)成為控制領域的一項挑戰(zhàn)。因 此人們更加熱衷于對其穩(wěn)定性和快速性以及如何更好的克服由于其 的容量滯后而引起的反應滯后時間的研究。 在其控制方法中最普遍的 有三種控制方法：(1)線性理論控制方法首先將非線性的雙容水箱液位控制系統(tǒng)的模型進行近似線性化 的處理，以獲得近似的線性可控模型，然后在使用各種已有的線性的 控制器對其進行控制，或者利用優(yōu)化的控制算法進行控制23。(2)預測控制預測控制是優(yōu)化控制算法，它關心的是模塊的功能是一種非連續(xù) 的控制方式。預測控制、變結構控制和自適應控制在理論研究時均能 取得有較

12、好的控制效果，但是在實際應用時，由于它們的控制方法比較復而且實現(xiàn)的成本也比較高昂，因此一直沒有在快速變化的控制系 統(tǒng)上實現(xiàn)15。(3)人工神經(jīng)網(wǎng)絡控制因為人工神經(jīng)網(wǎng)絡控制方案具有高效的自學習的能力， 所以具有 特別好的耐故障能力而且其總體處理能力也比較快。 這特別適于非線 性、大遲滯、強耦合的控制系統(tǒng)的實時控制和動態(tài)控制。.雙容水箱模型簡介立體背景圖2-1雙容水箱模型如上圖所示，為雙容水箱系統(tǒng)的原理框圖。其中設上水箱的流入 量為q；上水箱初始液位高度為1;上水箱底面積為A即上水箱的容 量系數(shù)Ci;上水箱的流阻為R ;上水箱流入下水箱的流量為q2;下 水箱初始液位為h2;下水箱底面積為 A；下水

13、箱的流阻為R;下水 箱的流出量為q37。數(shù)學模型的建立根據(jù)各已經(jīng)量，可知兩個水箱的物料平衡方程式為:q2 -q3 -Ad hdtR2qi - q2dtq = kx x(2-1)式中各變量前加符號表示增量。消去上式中間變量后可得d2 h2d h2T1T2尸(Ti T2)2 也=K xdtdt(2-2)上式中，Ti為上水箱的時間常數(shù)，Ti = RA = RCi; T2為下水箱的時間常數(shù)，兀=RA = RC2; K為對象的放大系數(shù)，K = kxR。這是一個二階微分方程式。傳遞函數(shù)為7G()與E(3)si(2-3)經(jīng)查閱相關的學術研究論文及資料 i3可得雙容水箱的具體傳遞函數(shù)G(s) =18s2 8.

14、5s 1(2-4)從圖一分析可以得出，當控制閥門突然加大開度，即流量 A。加一階躍變化時，流體先經(jīng)過上水箱再進入下水箱。由于多了一個容積,水位 h2不是立刻就有了變化而是在在一段時間后發(fā)生變化也就是說該系統(tǒng)的響應過程在時間上落后一步,響應曲線呈現(xiàn)S形，如圖所示10。h1 二h2(b)下水箱液位曲線(a)上水箱液位曲線圖2-2雙容水箱上下水箱液位變化曲線雙容對象的特性就是當有擾動加入后， 被控量沒有立刻就產(chǎn)生變化，而是要經(jīng)過一段延遲時間以后響應速度才能達到最大，這段時間 主要是由于被控對象容器數(shù)量的增加和各個器件之間存在著阻力而 造成的，這段時間稱為容量滯后時間。由于雙容水箱容量滯后的存在, 對

15、調節(jié)過程影響很大，它就反應出了控制過程的不及時， 控制方法的 不準確等問題，對各種控制方案都是一個大的挑戰(zhàn)， 亟需控制理論研 究人員的解決。.神經(jīng)網(wǎng)絡控制1神經(jīng)網(wǎng)絡控制理論神經(jīng)網(wǎng)絡控制是一種旨在模仿人類大腦的神經(jīng)中樞系統(tǒng)智能活 動的控制方式，通過多個神經(jīng)元和各神經(jīng)元相互間連接權值的控制，初步實現(xiàn)了生物神經(jīng)系統(tǒng)的部分控制的功能。從20世紀80年代起，人工神經(jīng)網(wǎng)絡逐漸引起了控制理論研究人員的關注，已經(jīng)逐漸在人工智能、自動控制、機器人、信息處理等各種不易控制的領域內得到廣 泛應用。神經(jīng)網(wǎng)絡根據(jù)它的結構不相同在控制系統(tǒng)當中起的作用大致 的可以分成四大類別：第一類是充當對象的模型即基于模型中的各種 控制

16、結構對象模型；第二類是充當控制器；第三類是起優(yōu)化計算的作 用；第四類是跟其他智能控制相結合組成各種多功能控制器。人工神經(jīng)網(wǎng)絡近年來得到迅速發(fā)展，具有廣大的應用前景，主要 依賴于神經(jīng)網(wǎng)絡控制系統(tǒng)的明顯優(yōu)點1。(1)神經(jīng)網(wǎng)絡的本質就是一個非線性控制系統(tǒng)。它可以實現(xiàn)任 何形式的非線性映射，應用范圍十分廣泛。(2)神經(jīng)網(wǎng)絡具有很強的信息綜合能力。(3)神經(jīng)網(wǎng)絡的硬件實現(xiàn)越來越方便。BP 網(wǎng)絡4所謂BP網(wǎng)絡就是誤差反向傳播神經(jīng)網(wǎng)絡的簡稱。誤差反向傳播算法簡稱BP算法。BP算法的基本思想就是神經(jīng)網(wǎng)絡自學習的過程是由輸入信號的正向傳播和誤差的反向傳播這兩個過程組成的。信號正向傳播的時候，輸入的數(shù)據(jù)從輸入層傳

17、入，經(jīng)過隱層的各神經(jīng)元處 理后再將信號傳送給輸出層。如果網(wǎng)絡的輸出值與期望輸出值之間相 差較大，那么就進入到誤差反傳階段。所謂誤差反傳就是將誤差信號 以某種形式通過隱層反向傳播至向輸入層，并將這個誤差信號作為修 正每個神經(jīng)元權值系數(shù)的依據(jù)。 權值不斷調整的過程，就是神經(jīng)網(wǎng)絡 不斷自學習訓練的過程。BP網(wǎng)絡的數(shù)學模型三層BP網(wǎng)絡結構如圖所示，所謂三層即包括了輸入層、隱層、和輸出層。三層BP網(wǎng)絡中輸入向量 X = (Xi,X2； Xi Xn)T ；圖中 Xo = -1是為隱層神經(jīng)元引入的閾值而設置的；輸出層輸出向量為 Y = (乂,，yk,，yj ,圖中y0 =-1是為輸出層神經(jīng)元引入的閾 值而設

18、置的；中間層輸出向量為 O = (o1,o2，ok,ol)T ；期望輸出 向量為d =(d,d2,，ddJT。各神經(jīng)元間的權值用權值矩陣 W表木ONKNJNIyiynkXiXiXni輸出層中間層輸入層圖3-1 三層BP神經(jīng)網(wǎng)絡結構對于輸出層，可得yk = f (net)mnet 八j2k = 1,2, ,l(3-1)對于中間層，可得Oj = f(netj n netj =j Xjj = 1,2, ,m(3-2)以上兩式中，轉移函數(shù)f(x)均為單極性Sigmoid函數(shù)(3-3)BP網(wǎng)絡權值的調整規(guī)則設輸入輸出模型之間對應的二次型誤差函數(shù)定義為Ep1 L2?，(dk-yk)2(3-4)1）輸出層權

19、值系數(shù)的調整權值系數(shù)的修正公式為jk:E_n co L jk(3-5)式中，”為學習速率，刈 0;-:Ejknet : jk(3-6)定義反傳誤差信號6 k為:E ：E :Ok(3-7)式中-:EOk_(dk _ Yk)(3-8)Qnetf(net) = f(net)net(3-9)k = d - yk)f (net = yJ1 - yk)(dk - yk)(3-10)- net q(，)=Vjjk二z(3-11 )由上述式子可得輸出層的每個神經(jīng)元權系數(shù)的修正公式為kyj_ ，jk = (dk - yj f (netk)yj =jk t Vk(1- Vk)(dk - yk)Vj2）隱含層節(jié)點權

20、值系數(shù)的調整計算權值系數(shù)的變化量為co .:E:EVinet一(E ”) yj netjV、/ :E.(-)f (netj)y、Vj(3-13), E ,，、一但式中（三）不能直接計算,Vj需要通過間接量進行計算，即:EvL f E ：net jkT :nej ;yj TOC o 1-5 h z HYPERLINK l bookmark54 o Current Document l:E三q八(一)一jkVj)k+netky、j +l:E一()kjkk，: netkL二 k jkk4(3-14)顯然有L j = f (netj)、k jk k 1(3-15)對于輸出節(jié)點k： (jk = f (n

21、etk)(dk - Yk)Yj = Yk(dk - Y(3-16)對于隱含節(jié)點j:LL一 _ . _ _ 一_ . _ .f (netj)L k kW = Yj(1-yj)k jk)y k 1kz1(3-17)式中，yk是輸出節(jié)點k的輸出，y是隱含節(jié)點j的輸出，y是輸入節(jié) 點i的輸出。從上面推導可得網(wǎng)絡連接權值調整式：j(t 1)= j(t) iY : j(t)- j(t-1)(3-18)式中，1+1表示第1十1步，口為平滑因子，0口 米1值出輸位液Transfer Fcn圖4-1PID控制器仿真圖=13瓶=12時可得曲線為:液位輸出曲線Scope1J 1112468101214161820時

22、間(秒)圖4-2 PID控制器仿真曲線一此時，系統(tǒng)的超調量為38%系統(tǒng)大約在加入階躍輸入10.5秒后穩(wěn)米1值出輸位液I11 (111102468101214161820時間（秒）當kp =40;k =0.2;kd =10時，可得曲線為： 液位輸出曲線 1.41.21）0.80.60.40.20圖4-3 PID控制器仿真曲線二將上面兩組不同數(shù)據(jù)仿真產(chǎn)生的曲線圖進行對比可以發(fā)現(xiàn)當PID控制器中的比例增益參數(shù)是 40,積分環(huán)節(jié)的增益參數(shù)為10,微 分環(huán)節(jié)的增益參數(shù)為0.2的時候，具超調量大約為 36%大名在8.5 秒后穩(wěn)定，系統(tǒng)可以達到良好的控制效果。比例環(huán)節(jié)是一種簡單的調節(jié)作用，由于控制閥門開度的

23、大小與系 統(tǒng)的偏差有很大的關系，并且是正比例關系。當控制系統(tǒng)有偏差輸出 的時候就能夠迅速產(chǎn)生與這個偏差成比例的相應調節(jié)作用。比例調節(jié) 的作用主要取決于比例系數(shù)的大小。 比例系數(shù)越小的時候，它的控制作用就越弱，同時，動態(tài)性能也會較差。但是如果比例系數(shù)太大，就會引起自然振蕩。比例調節(jié)的缺點就是不能消除靜差， 影響控制的精 確度，而減少靜差影響最常用的方法就是加入積分環(huán)節(jié)。對輸入到控制器中的偏差進行積分控制，使調節(jié)器的輸出或執(zhí)行器的開度處于不 斷變化的狀態(tài)，一直到使系統(tǒng)達到新的穩(wěn)定值即不存在靜差的時候為 止。因此，比例和積分加在一起的不僅具有了比例環(huán)節(jié)的快速性而且 也達到了積分環(huán)節(jié)能夠消除誤差的作用

24、， 大大地改善了被控系統(tǒng)的穩(wěn) 定性和快速性。加入積分環(huán)節(jié)后可以改善系統(tǒng)的靜態(tài)性能，如果加入了微分環(huán)節(jié)，可以再偏差存在但不是特別大的時候， 根據(jù)偏差變化率 提前給出一個較滿意的調節(jié)作用 。BP神經(jīng)網(wǎng)絡控制器BP神經(jīng)網(wǎng)絡的訓練訓練神經(jīng)網(wǎng)絡之前需要構建好 BP神經(jīng)網(wǎng)絡的網(wǎng)絡結構，MATLAB 中自帶的函數(shù)可以完成此功能。構建好神經(jīng)網(wǎng)絡之后還需要對權值和 閾值進行初始化，這些功能newff()函數(shù)就可以完成。神經(jīng)網(wǎng)絡的不 同結構、不同的學習步長、訓練次數(shù)的不同等都會影響到神經(jīng)網(wǎng)絡的 控制效果。下面就對不同的因素進行研究和分析。通過在MATLA在窗口中編程來實現(xiàn)神經(jīng)網(wǎng)絡的訓練，通過改變 程序來建立不同的

25、BP神經(jīng)網(wǎng)絡結構，以研究不同的因素多神經(jīng)網(wǎng)絡 的影響。當設置三層BP神經(jīng)網(wǎng)絡的隱層節(jié)點數(shù)n=5；網(wǎng)絡訓練次數(shù)為9000次；學習步長n =0.05時得到的學習效果圖為:圖4-4 BP神經(jīng)網(wǎng)絡學習結果一此時，神經(jīng)網(wǎng)絡所需的訓練時間為 24分鐘，網(wǎng)絡訓練結束后的誤差為 0.0087。當學習步長n = 10時可以得到的仿真圖為：圖4-5 BP神經(jīng)網(wǎng)絡學習結果二此時，神經(jīng)網(wǎng)絡所需的訓練時間為 13分鐘，網(wǎng)絡訓練結束后的誤差為 0.0058。當將學習步長由0.05改為0.15時可得仿真結果為：圖4-6 BP神經(jīng)網(wǎng)絡學習結果四此時，神經(jīng)網(wǎng)絡所需的訓練時間為12分鐘，網(wǎng)絡訓練結束后的誤差 為 0.0025。由

26、以上BP神經(jīng)網(wǎng)絡訓練過程及其輸出結果曲線可以得出以下結論14：在其他條件保持不變時，隱層神經(jīng)元的數(shù)目越多，訓練誤差越小，訓練時間越長。在其他條件保持不變時，學習步長越大，訓練時間越短但訓練誤差越大。當其他條件保持不變時，在未達到誤差要求范圍的情況下， 訓練次數(shù)越多，訓練時間越長，訓練誤差越小依據(jù)上面的理論研究及BP神經(jīng)網(wǎng)絡的MATLA映現(xiàn)和訓練，在 此基礎上選取合適的BP神經(jīng)網(wǎng)絡層數(shù)及每層神經(jīng)元的個數(shù)，學習步 長以及網(wǎng)絡的訓練次數(shù)來訓練BP神經(jīng)網(wǎng)絡。4.2.2 BP神經(jīng)網(wǎng)絡在雙容水箱液位控制系統(tǒng)中的應用在仿真過程中使用事先已經(jīng)訓練好的三層 BP神經(jīng)網(wǎng)絡控制器，設其中的輸入層為四個神經(jīng)元，隱含層

27、為4個神經(jīng)元，輸出層為一個 神經(jīng)元。將網(wǎng)絡訓練后的權值系數(shù)填入相應的位置。 其中隱含層采用 tan sig即S激活函數(shù)，輸出層采用purelin線性輸出函數(shù)。對應于每 個神經(jīng)元輸入其相應的權值及閾值，搭建好仿真模型 12。如圖所示：圖4-7 3神經(jīng)元BP神經(jīng)網(wǎng)絡仿真模型仿真結果為:1.4液位輸出曲線0.20012345678910時間（秒）圖十五3神經(jīng)元BP神經(jīng)網(wǎng)絡仿真結果當用輸入層和隱含層都為四個神經(jīng)元時:圖4-8 4神經(jīng)元BP神經(jīng)網(wǎng)絡仿真模型仿真結果為:1.41.21）0.80.60.40.2米1值出輸位液;i11液位輸出曲線345678910時間（秒）圖4-9 4神經(jīng)元BP神經(jīng)網(wǎng)絡仿真結

28、果由仿真結果可以看出采用 BP神經(jīng)網(wǎng)絡可以有效的控制雙溶水 箱。雙容水箱中下水箱的液位會在波動后快速穩(wěn)定于設定量，達到了良好的控制效果。其中當采用3個神經(jīng)元控制時系統(tǒng)的超調量大約為 30%系統(tǒng)在4.5秒后穩(wěn)定；當將該神經(jīng)網(wǎng)絡沒層的神經(jīng)元個數(shù)由3個改為4個時，此控制系統(tǒng)的超調量下降為 25%系統(tǒng)在大約在3秒 后穩(wěn)定。神經(jīng)網(wǎng)絡PID控制器由PID控制器仿真得到的數(shù)據(jù)可知當kp = 40;ki = 02 kd = 10時，PID控制器可以取得較好的控制效果。神經(jīng)網(wǎng)絡PID控制器的PID參數(shù)是通過其不斷的自學習確定的，查閱資料采用一組神經(jīng)網(wǎng) 絡PID的數(shù)據(jù)對建立的網(wǎng)絡進行訓練，達到理想的效果24。已經(jīng)

29、訓練好的神經(jīng)網(wǎng)絡PID來搭建仿真模型，采用三層BP網(wǎng)絡，輸入層為 3個神經(jīng)元接收系統(tǒng)的偏差，隱含層為三個神經(jīng)元采用tan sig激活函 數(shù)，輸出層為三個神經(jīng)元，分別輸出PID控制器所需的KP、Kp Kd 三個參數(shù)。圖4-10 神經(jīng)網(wǎng)絡PID仿真模型仿真結果為:1.41.21）0.80.60.4液位輸出曲線0.200.10.20.30.40.50.60.70.80.9米1值出輸位液0時間（秒）圖4-11 神經(jīng)網(wǎng)絡PID仿真結果由以上數(shù)據(jù)曲線可以發(fā)現(xiàn)利用神經(jīng)網(wǎng)絡PID控制器對雙容水箱液位系統(tǒng)進行控制時，此系統(tǒng)的超調量為15%下水箱液位大約在0.3 秒左右就會穩(wěn)定在設定值。相比于前兩種控制方法均有改

30、善。小結由上面對不同控制方案在雙容水箱液位控制仿真得到的數(shù)據(jù)中 可以看出，采用傳統(tǒng)PID控制器對雙容水箱液位控制系統(tǒng)進行控制 時，下水箱液位在上水箱有水即擾動進入后大約 8.5秒后穩(wěn)定在設定 值附近，其超調量為36溢右；采用BP神經(jīng)網(wǎng)絡對雙容水箱液位進 行控制時，系統(tǒng)大約在階躍輸入 3秒后穩(wěn)定，且系統(tǒng)的超調量為25% 左右。當采用神經(jīng)網(wǎng)絡 PID控制器對雙容水箱液位進行控制時，系統(tǒng)在響應開始后0.3秒左右就穩(wěn)定運行，且超調量為15溢右?？梢?證明神經(jīng)網(wǎng)絡PID控制器大大提高了該系統(tǒng)的反應速度并減小了其 超調量，很好的減小容量滯后對控制系統(tǒng)的影響。5.總結通過本次論文的理論研究及仿真，使我了解并

31、掌握了雙容水箱液 位控制系統(tǒng)是一個典型的非線性、大滯后、強耦合的不易控制系統(tǒng)。 同時也知道了對于雙容水箱液位控制系統(tǒng)的研究也是對多容控制系 統(tǒng)研究的基礎，越來越多的學者以此為研究對象進行研究，以尋求出更好的控制方案。通過實驗研究及仿真，對比發(fā)現(xiàn)本文用到的三種控 制方案，PID控制器、BP神經(jīng)網(wǎng)絡控制器、神經(jīng)網(wǎng)絡PID控制器都 可以達到控制雙容水箱液位穩(wěn)定于設定值的要求。但比較來看，可以發(fā)現(xiàn)神經(jīng)網(wǎng)絡PID無論在控制快速性還是穩(wěn)定性都具有優(yōu)勢。論文中對雙容水箱模型進行提煉時簡化了許多次要的影響因素， 如閥門開關的時間、上下水箱液位檢測的誤差值及信號的傳輸時間 等。在實際控制系統(tǒng)中此控制方案還需細化

32、和處理才能達到理想的控 制效果。而且對于傳統(tǒng)的BP神經(jīng)網(wǎng)絡在應用中還具有一些缺點如容 易形成局部最小而得不到全局最、訓練次數(shù)多、學習效率低，收斂速 度慢、隱層節(jié)點數(shù)目的選取缺乏理論指導等。針對 BP神經(jīng)網(wǎng)絡的這 些缺點，目前控制理論研究界的專家及學者已經(jīng)研究出來了許多切實 有效的改進辦法，其中最常用的有增加動量項、自適應調節(jié)學習率、 引入陡度因子三種4。這些辦法的引入與提出會使 BP神經(jīng)網(wǎng)絡得到 有效的改善與提高本文在對于類似于雙容水箱這種大滯后、非線性、不確知、不確定的控制系統(tǒng)采用了神經(jīng)網(wǎng)絡控制器的控制方法來進行控制。從仿真研究可知神經(jīng)網(wǎng)絡控制可以取得較傳統(tǒng)控制方法而言更好的控制效果，因此神

33、經(jīng)網(wǎng)絡PID控制方法會在以后各種高階不易控制的系統(tǒng) 中具有越來越多的應用。參考文獻1易繼錯，候媛彬.智能控制技術.北京工業(yè)大學出版社.2003.42李國勇.智能控制及其 MATLA改現(xiàn) .電子工業(yè)出版社.2006.23韋魏，何衍.智能控制基礎.清華大學出版社.2008.114韓力群.智能控制理論及應用.機械工業(yè)出版社.2007.115韋魏.智能控制技術.機械工業(yè)出版社.2004.76瞿亮.基于MATLA的控制系統(tǒng)計算機仿真.清華大學出版社；北京交 通大學出版社.2006.17居滋培.過程控制系統(tǒng)及其應用.機械工業(yè)出版社.2011.78任彥碩，趙一丁 .自動控制系統(tǒng).北京郵電大學.2006.39

34、Eighth Edition.Automatic Control Systems .2004.710候濤.神經(jīng)PID控制在雙容水箱液位控制的實驗研究，載蘭州交通 大學學報，第28卷，第3期.第41頁第43頁.11余曉紅.BP神經(jīng)網(wǎng)絡的MATLA歐現(xiàn)及討論，載浙江交通職業(yè)技 術學院學報，第8卷，第4期.第44頁第48頁.12張秀艷，陶國彬，劉慶強.基于Simuliik的BP神經(jīng)網(wǎng)絡實驗研究， 載佳木斯大學學報(自然科學版),第25卷，第5期.第586頁第589頁.13李欣.神經(jīng)網(wǎng)絡控制在液位控制系統(tǒng)中的仿真研究，載太原理工 大學學報，第587頁第589頁.14張圣楠，郭文義，肖力墉.基于MATL

35、AB勺BP神經(jīng)網(wǎng)絡的設計與訓練， 載內蒙古科學與經(jīng)濟.第95頁第98頁.15陶長遠基于虛擬樣機倒立擺的控制系統(tǒng)研究學位論文,2010年西安電子科技大學16M.T. Ha gan, H. B. D e mut h. Neura l Net work D esi g - n . P WS publ i shi ng co mp a ny J . Bo st o n , 1996 : 67.17桂現(xiàn)才.BP神經(jīng)網(wǎng)絡在MATLA比的實現(xiàn)與應用，載湛江師范學院 學報，第25卷第3期.第79頁第83頁.劉金琨.先進P ID控制及其M A T L A B 仿真.電子工業(yè)出版 社,2003 .Yoshihir

36、o Ohnishi,Talik K Gravel . A new type neural network PID control for nonlinear plants control . IEEE Trans on Neural Networks,2003;11(4):495 506CHO G B KIM P H. A precise control of ACservo motor using neural network PID controller J . Current Science,2005,89(1): 23 29.MARABA V A KUZUCUOGLUA E. Spee

37、d control of an asynchronous motor using PID neural network J . Studies inInformatics and Control , 2011 , 20 (3 ): 199 208.22勞深，付凱波，高國章.雙容水箱液位控制系統(tǒng)的設計載交通科技 第246期.第160頁第162頁.23任安坤.基于BP神經(jīng)網(wǎng)絡的PID控制在反應釜溫度控制中的應用 載中國科技信息.2010年第6期.24張彬小車倒立擺系統(tǒng)擺起與穩(wěn)定控制研究學位論文,青島2009附 錄BP神經(jīng)網(wǎng)絡的訓練程序：p=0:0.05:1;t=(5*(18*p.*p+8.5*p+

38、1)A-1);n=5;net=newff(minmax(p),n 1,tansig,purelin,trainlm);y1=sim(net,p);net.trainParam.epochs=9000;net.trainParam.goal=0.01;net=train(net,p,t);y2=sim(net,p);figure;plot(p,y2,-);title(誤差跟蹤曲線,);xlabel( 訓練誤差(萬次),);ylabel(誤差)；grid on神經(jīng)網(wǎng)絡PID訓練程序：P= -1:0.1:1;T=-0.96 -0.577 -0.0729 0.377 0.641 0.66 0.461

39、0.1336 -0.201 -0.434 -0.5-0.393-0.1647 0.0988 0.3072 0.396 0.3449 0.1816 -0.0312 -0.2183 -0.3201;plot(P,T, k);net = newcf(minma x( P) , 1, 2, 1 , logsig ； tansig , purelin , traingdx ); net.trainParam.epochs= 10000;net.trainParam.goal= 0.01net, tr= train( net , P, T);Y= sim(net , P);畢業(yè)設計（論文）原創(chuàng)性聲明和使用

40、授權說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教 師的指導下進行的研究工作及取得的成果。 盡我所知，除文中特別加 以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研 究成果，也不包含我為獲得 及其它教育機構的學位或學歷而使用過的材料。對本研究提供過幫助和做出過貢獻的個人或集體， 均已在文中作了明確的說明并表示了謝意。作者簽名： 日期：指導教師簽名： 日期： 使用授權說明本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電 子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供 目錄檢索與閱覽服務

41、；學?？梢圆捎糜坝　⒖s印、數(shù)字化或其它復制 手段保存論文；在不以贏利為目的前提下，學校可以公布論文的部分 或全部內容。作者簽名： 日 期：學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研 究所取得的研究成果。除了文中特別加以標注引用的內容外， 本論文 不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。 對本文的研 究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完 全意識到本聲明的法律后果由本人承擔。作者簽名：日期： 年 月 日學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定， 同意學校保留并向國家有關部門或機構送交論文的復印件和

42、電子版， 允許論文被查閱和借閱。本人授權 大學可以將本學位論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索， 可以采用影印、縮 印或掃描等復制手段保存和匯編本學位論文。涉密論文按學校規(guī)定處理。作者簽名：日期： 年 月 日導師簽名:日期： 年 月指導教師評閱書指導教師評價：一、撰寫（設計）過程1、學生在論文（設計）過程中的治學態(tài)度、工作精神優(yōu) 良 中 及格 不及格2、學生掌握專業(yè)知識、技能的扎實程度優(yōu)良中及格不及格3、學生綜合運用所學知識和專業(yè)技能分析和解決問題的能力優(yōu)良中及格不及格4、研究方法的科學性；技術線路的可行性；設計方案的合理性優(yōu)良中及格不及格5、完成畢業(yè)論文（設計）期間的出勤情況優(yōu)良中及格

43、不及格二、論文（設計）質量1、論文（設計）的整體結構是否符合撰寫規(guī)范？優(yōu)良中及格不及格2、是否完成指定的論文（設計）任務（包括裝訂及附件）？優(yōu)良中及格不及格三、論文（設計）水平1、論文（設計）的理論意義或對解決實際問題的指導意義優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設計是否有創(chuàng)意？優(yōu)良中及格不及格3、論文（設計說明書）所體現(xiàn)的整體水平優(yōu)良中及格不及格建議成績：口優(yōu) 良 中 及格 不及格（在所選等級前的口內畫）指導教師：（簽名）單位：（蓋章）年 月 日評閱教師評閱書評閱教師評價：一、論文（設計）質量1、論文（設計）的整體結構是否符合撰寫規(guī)范？優(yōu)良中及格不及格2、是否完成指定的論文（設

44、計）任務（包括裝訂及附件）？優(yōu)良中及格不及格二、論文（設計）水平1、論文（設計）的理論意義或對解決實際問題的指導意義優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設計是否有創(chuàng)意？優(yōu)良中及格不及格3、論文（設計說明書）所體現(xiàn)的整體水平優(yōu)良中及格不及格建議成績：口優(yōu) 良 中 及格 不及格（在所選等級前的口內畫）評閱教師：（簽名）單位：（蓋章）年 月 日教研室（或答辯小組）及教學系意見教研室（或答辯小組）評價：一、答辯過程1、畢業(yè)論文（設計）的基本要點和見解的敘述情況口優(yōu) 口良 口中 口及格 口不及格2、對答辯問題的反應、理解、表達情況口優(yōu)口良口中口及格口不及格3、學生答辯過程中的精神狀態(tài)口優(yōu)口

45、良口中口及格口不及格二、論文（設計）質量1、論文（設計）的整體結構是否符合撰寫規(guī)范？口優(yōu)口良口中口及格口不及格2、是否完成指定的論文（設計）任務（包括裝訂及附件）？口優(yōu)口良口中口及格口不及格三、論文（設計）水平1、論文（設計）的理論意義或對解決實際問題的指導意義口優(yōu) 口良 口中 口及格 口不及格2、論文的觀念是否有新意？設計是否有創(chuàng)意？口優(yōu)口良口中口及格口不及格3、論文（設計說明書）所體現(xiàn)的整體水平口優(yōu)口良口中口及格口不及格評定成績：口優(yōu) 口良 口中 口及格 口不及格（在所選等級前的口內畫）教研室主任（或答辯小組組長）：（簽名）年 月 日教學系意見：系主任：（簽名）年 月 日學位論文原創(chuàng)性聲明

46、本人鄭重聲明：所呈交的學位論文，是本人在導師的指導下進行的研究工作所取得的成 果。盡我所知，除文中已經(jīng)特別注明引用的內容和致謝的地方外，本論文不包含任何其他個 人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出重要貢獻的個人和集體，均已在 文中以明確方式注明并表示感謝。本人完全意識到本聲明的法律結果由本人承擔。學位論文作者（本人簽名）學位論文由版授權書本人及導師完全同意中國博士學位論文全文數(shù)據(jù)庫出版章程、中國優(yōu)秀碩士學位論 文全文數(shù)據(jù)庫出版章程（以下簡稱“章程”），愿意將本人的學位論文提交“中國學術期刊 （光盤版）電子雜志社”在中國博士學位論文全文數(shù)據(jù)庫、中國優(yōu)秀碩士學位論文全文 數(shù)據(jù)庫中全

47、文發(fā)表和以電子、網(wǎng)絡形式公開出版，并同意編入CNKI中國知識資源總庫, 在中國博碩士學位論文評價數(shù)據(jù)庫中使用和在互聯(lián)網(wǎng)上傳播，同意按“章程”規(guī)定享受 相關權益。論文密級：口公開口保密（_年月至年月）（保密的學位論文尚單密后應遵守此協(xié)議作者簽名：年 月 日導師簽名：年 月 日獨創(chuàng)聲明本人鄭重聲明：所呈交的畢業(yè)設計（論文），是本人在指導老師的指導下， 獨立進行研究工作所取得的成果，成果不存在知識產(chǎn)權爭議。盡我所知，除 文中已經(jīng)注明引用的內容外，本設計（論文）不含任何其他個人或集體已經(jīng) 發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體均已在 文中以明確方式標明。本聲明的法律后果由本人承擔

48、。作者簽名:二0一0年九月二十日畢業(yè)設計（論文）使用授權聲明本人完全了解濱州學院關于收集、 保存、使用畢業(yè)設計（論文）的規(guī)定C 本人愿意按照學校要求提交學位論文的印刷本和電子版，同意學校保存學位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復制手段保存設計 （論文）；同意學校在不以營利為目的的前提下，建立目錄檢索與閱覽服務 系統(tǒng)，公布設計（論文）的部分或全部內容，允許他人依法合理使用。（保密論文在解密后遵守此規(guī)定）作者簽名:二0一0年九月二十日致謝時間飛逝，大學的學習生活很快就要過去，在這四年的學習生活中，收獲了很多， 而這些成績的取得是和一直關心幫助我的人分不開的。首先非常感謝學校開設這個課題，為本人日后從事計算機方面的工作提供了經(jīng)驗， 奠定了基礎。本次畢業(yè)設計大概持續(xù)了半年，現(xiàn)在終于到結尾了。本次畢業(yè)設計是對我 大學