基于BP神经网络整定的PID控制2).pdf

72 基于BP神经网络整定的PID控制 D控制 基于BP神经网络整定的PI 王敬志 任开春 胡 斌(重庆通信学院，重庆400035) 摘要 针对经典PID控制参数不能在线调整的缺陷。研究了一种基于BP神经网络的PID控制算法，利用BP神经网络具有 的任意非线性表达能力，通过对系统性能的学习，实现具有最佳组合的PID控制。 关键词：BP神经网络，PID控制 Abstract be tothedefectsthatthe ofclassicalPIDcontrolcannot online．aPIDcontrolbased According parameters adjusted OnBPneuralnetworkis inthis ofPIDcontrolisrealizedthe presented bestcombination by nonlinear paper．The arbitrarily ofBPneuralnetworkandthe of expressingability studysystemprop@rty． neural control Keywords：BPnetwork，PID PID控制适用于可建立精确数学模型的确定性系统，然而 矽(f()吡 实际工业生产过程往往具有非线性、时变不确定性，难以建立精 茑’(J()砒 确的数学模型，在实际生产中，常规PID控制器参数往往整定不 良、性能欠佳，对运行工况的适应性很差。在PID控制器设计中， 9了’(k)=屹 (4) 寻找合适的控制算法来实现Kp、Ki、Kd参数的整定至关重要。 输出层输出节点分别对应三个可调参数K。，K。，Kd。由于Kp， BP神经网络是目前应用较多的一种神经网络结构，能够实现输 Ij，Kd不能为负值，所以输出层神经元的活化函数取非负的 入输出的非线性映射关系，具有很好的逼近非线性映射的能力， Sigmoid函数： 因此神经网络在运用于工业控制时具有其独特的优势。本文在 g(x)=丢(，+ta九n(_)())=—* (5) 研究了基于神经网络的控制器结构和算法的基础上，用改进共 扼梯度算法对神经网络控制器参数进行在线整定。仿真结果表 取性能指标函数为：E(k)=1(rin(k)-yout(k))2(6) 明，这种改进方案不仅能够提高算法在训练过程中的收敛速度， 按照梯度下降法修正网络的权系数，即按E(k)对加权系数 而且训练后的神经网络具有较强的自适应和自学习能力，对控 的负梯度方向搜索调整，并附加一个使搜索快速收敛全局极小 制器参数实现在线整定，从而进一步提高了控制器的性能。 的惯性项： 1基本的BP神经网络 ·本文研究采用三层BP神经网络结构，其结构如图1所示。 △∥(k)：1堕尝姐△霄’(J(一7)