摘 要:工业中的温控对象普遍具有大时滞、非线性和时变性等特点,采用传统的 控制
器难以取得满意的效果。基于 神经网络的 控制器具有逼近任意非线性函数的能力
能实现对 控制器的参数 , , 的实时在线整定,使系统具有更好的鲁棒性
和自适应性,其输出也可以通过在线调整达到预期的控制精度,适用于温控系统。实验结
果表明,该控制器具有抗干扰能力强、鲁棒性好等特点。
关键词: 神经网络; 控制;温度控制;在线整定
中图分类号:文献标识码:
Application of PID Controller Based on BP Neural Network in
Temperature Control System
XU Li-yun
!"# $
%&&'()
Abstract*+","-+!""#
"+"./,+",".
"" / # / !
0"+.1",0#,,#
+"2/#3"
4",/" , 5,/3,/"
"#"/ 0 0 0+""" "2,0#
+,+"#"/6,,"+
++"""+0/,+6,/
"+"."""27//,0#
00+""",,
Keywords* 8+ 8.19 9 /,+ 9 :
+
0 引言
温度控制系统在现代工业生产中有着广泛的应用如塑料机械中的挤出机、锅炉控制等
等。工业现场中温度的变化可能受到各方面因素的制约,而温控对象普遍具有非线性、大
惯性、大时滞、扰动因素多等特点。由于传统的 控制器受到参数整定方法不确定性的
影响,参数整定往往不是最佳,致使性能不良,对运行工况的适应性较差所以难以获得满
意的控制效果。
该文描述了将传统 控制和神经网络控制结合在一起,用于温度控制系统中,既利
用了 控制的长处,又考虑到神经网络独特的优势即神经网络可以充分逼近任意复杂的
非线性关系,具有强鲁棒性、容错性和自学习等特点。这样可以在线调整 控制器的参
数,提高系统的应变能力,在一定程度上克服了 控制参数靠经验确定及难以对复杂系
统或过程进行有效控制的不足,将其应用于温度控制系统中能取得良好的控制品质,并具
有较强的自适应能力。
1 基于 BP 神经网络的 PID 控制器设计
1.1BP 神经网络 PID 控制器结构图
基于 神经网络的 控制系统结构如图 ( 所示。经典 控制器部分,直接对被
控对象过程闭环控制,并且三个参数 , , 为在线整定式;神经网络部分,根