基于BP神经网络的自整定PID控制仿真.doc

"基于BP神经网络的自整定PID控制仿真" 本实验的目的是熟悉BP神经网络的特征、结构及学习算法，并通过实验掌握神经网络自整定PID的工作原理。同时，了解神经网络的结构对控制效果的影响，并掌握用Matlab实现神经网络控制系统仿真的方法。 一、BP神经网络的结构和原理 BP神经网络是一种单向传播的多层前向网络，输入节点对应系统的运行状态量，如系统的偏差与偏差变化率，必要时要进行归一化处理。输出节点对应的是PID的3个可调参数。BP网络的学习过程由正向和反向传播两部分组成。如果输出层不能得到期望输出，那么转入反向传播过程，通过修改各层神经元的权值，使得误差信号最小。 二、自整定PID控制器的结构和原理 自整定PID控制器由两部分组成：一是常规PID控制器，用以直接对对象进行闭环控制，且3个参数在线整定；二是神经网络NN，根据系统的运行状态，学习调整权系数，从而调整PID参数，达到某种性能指标的最优化。 三、实验步骤 实验步骤包括： 1. 被控对象为一时变非线性对象，数学模型可表示为式中系数a(k)是慢时变的。 2. 确定BP网络的结构，选4-5-3型的BP网络，各层加权系数的初值取区间[-0.5,0.5]上的随机数，选定学习速率η=0.25和惯性系数α=0.05。 3. 在Matlab下依据整定原理编写仿真程序并调试。 4. 给定输入为阶跃信号，运行程序，记录实验数据和控制曲线。 5. 修改神经网络参数，如学习速率、隐含层神经元个数等，重复步骤（4）。 6. 分析数据和控制曲线。 四、实验结果 实验结果显示，基于BP神经网络的自整定PID控制器可以实时地调整PID参数，达到较好的控制效果。 五、结论 本实验展示了BP神经网络在自整定PID控制中的应用，并验证了神经网络控制器的有效性。同时，实验结果也表明了神经网络结构对控制效果的影响。 六、展望 基于BP神经网络的自整定PID控制仿真具有广泛的应用前景，如在机器人控制、过程控制、智能 buildings等领域都可以应用这种技术。