【doc】基于BP神经网络PID参数自整定的研究.doc

基于BP神经网络PID参数自整定的研究 Vl01.17NO.7 July2005 系统仿真 JoURNALoFSYSTEMSIMULATIoN?l7ll? _基于BP神经网络PID参数自整定的研究廖芳芳,肖建(西南交通大学电气工程学院,四川成都610031)摘要:PID控制是迄今为止在过程控制中应用最为广泛的控制方法.但在实际应用中,其参数整定仍未得到较好的解决. 本文把神经网络技术应用在PID控制中,充分利用神经网络具有非线性 函数逼近能力,构造神经网络PID自整定控制器,并通过仿真试验,取得较好的结果. 关键词:PID(比例积分微分器);自整定;BP神经网络;仿真 文章编号:1004.731X(2005)07.17l1.03中图分类号:TP391.9文献标识码:A Researchonself-tuningofPIDparametersbasedonBPNeuralNetworks LIAOFang-fang,XIAOJian (SchoolofElectricalEng.,SouthwestJiaotongUniversity,Chengdu610031,China) Abstract:PIDcontrollersareusedinalargenumberofindustries,particularlyinprocessindustries.However,uptonow, therearenosatisfactorysolutionsaboutthetuningofPIDparameters.NN(NeuralNetwork)techniquewasusedinPID controlbecauseitcouldchangeparametersitselfonline.Inthisway,aNNPIDcontrollerofself-tuningcouldbeconstruted. Thesimulationexperimentsproveitsatisfactory. Keywords:PID(ProportionalIntegralDerivative);self-tuning;BackPropagationNeuralNetwork;simulation 引言 PID控制器从问世至今已历经半个多世纪,在这几十年 中,人们为它的发展和推广做出了巨大的努力,使之成为工 业过程控制中主要的和可靠的技术工具.即使在微处理器高 速发展的今天,过程控制中大部分控制规律都未能离开 PID,这充分说明PID控制仍具有很强的生命力. 对于传统的PID控制器,在把其投入运行之前,要想得 到较理想的控制效果,必须先整定好其三个参数:即比例系 数(Kp),微分时间(Ti),微分时间(Td).这是因为在 生产部门中有各种各样的被控对象,它们对控制器的特性会 有不同的要求,整定的目的就是设法使控制器的特性能够和 被控对象配合好,以便得到最佳控制效果….如果控制器参 数整定不好,即使控制器本身很先进,其控制效果也会很差. 然而,在工业控制系统中总会存在着各种各样的不确定性, 这些不确定性能造成模型参数变化甚至模型结构突变【2】,使 得原先整定参数无法保证系统继续良好的工作,这是就要求 PID控制器具有在线自整定其参数的功能,这也是自从使用 PID控制以来人们始终关注的重要问题. 目前,采用BP神经网络应用于PID控制已成为一大 研究热点.因为BP网络具有很好的逼近非线性映射的能 力【,而且具有自适应学习,并行分布处理和有较强的鲁 收藕日期I2004.06.10修回日期l2005-04-01 作者简介t●芳芳(1980-),女,江西省鄱阳人,硕士生,研究方向为计 算机控制和智能控制;肖建(1950-),男,湖南衡阳人,博导,研究方 向为计算机控制理论与控制技术及鲁棒控制等. 棒性和容错性等特点,因此适用于对复杂非线性系统进行 建模和控制.本文正是在此基础上,提出了基于BP神经 网络PID参数整定方法,并用Matlab进行了仿真,得到较 为满意的结果. 1控制系统结构及PII)控制器基本结构形式 圈1典型控制系统方框幽 典型的控制系统结构如图l所示.在整个控制系统中, PID控制器占据重要地位,目前应用中常用如下两种结构形 式【4J. a,(庀)=kpe(k)+k,∑P(f)+Ae(k)(1) 或)=k p )+去扣] b,△(=(七)一e(k一1))+庀)十 一 2七一1)+七一2))(3) 其中△(七)=u(k)一u(k一1),=r(—y(k),r(k)为 对象的设定输入,(七)对象的实际输出,e(k)为控制偏差. 2BP神经网络 1986年D.E.Rumelhart和J.L.Mcclelland等人提出了多 ? 1712?系统仿真 ,,0I