实验二 基于 BP 神经网络自整定 PID 控制仿真
一、实验目的
熟悉神经网络的特征、结构以与学习算法,通过实验掌握神经网络自整定 PID 的工作
原理。了解神经网络的结构对控制效果的影响,掌握用 MATLAB 实现神经网络控制系统仿真
的方法。
二、实验原理
在工业控制中,PID 控制是工业控制中最常用的方法。这是因为 PID 控制器结构简单、
实现简单,控制效果良好,已得到广泛应用。但是,PID 具有一定的局限性:被控制对象参
数随时间变化时,控制器的参数难以自动调整以适应外界环境的变化。为了使控制器具有较
好的自适应性,实现控制器参数的自动调整,可以采用神经网络控制的方法。利用人工神经
网络的自学习这一特性,并结合传统的 PID 控制理论,构造神经网络 PID 控制器,实现控
制器参数的自动调整。
基于 BP 神经网络的 PID 控制器结构如图 1 所示。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,且三个参数在线整定;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。
图 1 基于 BP 网络的 PID 控制器结构
网络学习过程由正向和反向传播两部分组成。在正向传播过程中,每一层神经单元的状
态只影响下一层神经网络。如果输出层不能得到期望输出,也就是实际输出与期望输出有误
差,那么转入反向传播过程,将误差信号沿原来的连接通路返回,通过修改各层神经元的权
值,逐次向输入层传播,去进行计算,再经过正向传播过程,这样经过两个过程的反复作用,
使得误差信号最小。实际上,当误差达到人们所希望的要求时,网络的学习过程就完毕了。
图 2 BP 网络结构
评论0