《单神经元自适应PID控制算法及仿真研究.doc》由会员分享，可在线阅读，更多相关《单神经元自适应PID控制算法及仿真研究.doc（61页珍藏版）》请在金锄头文库上搜索。
1、单神经元自适应PID控制算法及仿真研究摘要本文研究了神经网络PID算法的最简单结构-单神经元自适应PID算法，利用VB语言编写仿真程序，对常见一阶、二阶对象进行了神经网络PID仿真研究，并分析单神经元自适应PID控制的各参数对控制效果的影响，同时分析了单神经元PID较PID控制的优点。主要研究内容有以下几方面：1、 概述了本课题研究的背景、PID控制和智能控制理论发展状况。传统PID控制的原理的介绍及仿真，主要介绍了PID的控制原理以及参数整定的工程方法，并用MATLAB对其进行仿真。2、单神经元自适应PID控制的研究。主要介绍了单神经元自适应PID控制的原理和单神经元自适应PID控制算法，使
2、用VB编写程序，对一阶、二阶系统分别用单神经元自适应PID算法和传统PID算法进行仿真，并且分析了单神经元自适应PID控制中的比例、积分、微分学习率对系统性能的影响。3、将单神经元自适应PID算法与传统的PID控制算法进行比较分析，得知单神经元自适应PID控制算法在总体上优于传统的PID控制算法，它有利于控制系统控制品质的提高，受环境的影响较小，具有较强的控制鲁棒性，是一种很有发展前景的控制器。关键词：PID控制，人工神经网络，单神经元PID，系统仿真The Simulation Research of Single Neural Adaptive PID Control AlgorithmA
3、BSTRACTIn this paper, the single neuron adaptive PID algorithm was studied. Based on VB, the one and two order object was simulated with the neural PID algorithm. The effect of the single neuron adaptive PID control parameters on the control performance was analyzed. And its performance was compared
4、 with PID controllers. The main research contents are as followings:1. The background of this topic, development of PID controller and intelligent control theory was summarized.2. The traditional PID control principle and the engineering method of PID parameter tuning was introduced .Simulation rese
5、arch was done using MATLAB.3. The single neuron adaptive PID control principle and single neuron adaptive PID control algorithm were researched. The simulation program was written using VB programming language .The single neuron PID algorithm was used to control the one order, second order process w
6、ith time-delay. The control performance of single neuron PID with traditional PID was compared. The proportional, integral, differential learning rate on system performance was analyzed. 4. The single neuron adaptive PID control algorithm is superior to the traditional PID control algorithm in overa
7、ll by comparing and analyzing between the single neuron adaptive PID algorithm with the traditional PID control algorithm. It is helpful for control system to improve the control quality. It has strong robustness, and the environment have limited influence on the system. It is a very promising contr
8、oller.Keywords: PID controller, Artificial Neural Network, Single Neural PID, System Simulation目录摘要IABSTRACTII1 绪论11.1 PID控制的发展概况11.2 智能控制系统发展概况21.3 本文研究内容42 PID控制原理及仿真研究62.1 PID控制原理62.2 PID控制器的参数工程整定82.2.1衰减曲线法82.2.2临界比例带法102.2.3动态参数法112.3 PID控制仿真142.3.1 PID控制阶跃响应152.3.2 PID控制抗的干扰性162.3.3 PID控制的鲁棒性
9、173.单神经元PID算法及仿真193.1 单神经元自适应PID控制原理193.1.1 单神经元模型193.1.2 神经网络的学习规则203.1.3 单神经元PID算法223.1.4 增益K自调整单神经元自适应PID算法253.2 仿真实验283.2.1单神经元自适应PID控制仿真及其与传统PID控制比较283.2.2单神经元PID控制器各参数的影响374 总 结43参考文献：44致谢46译文及原文471 绪论1.1 PID 控制的发展概况PID 控制是最早发展起来的控制策略之一，由于其结构简单、物理意义明确、鲁棒性好、稳定性高、运用经验成熟等而广泛地应用于各种工业过程控制之中，尤其应用在各种
10、控制系统的最底层。PID 控制的发展经历了三个阶段：第一阶段（二十世纪二十年代以前）机器工业的发展，对控制提出了要求。反馈的方法首先被提出，在研究气动和电动记录仪的基础上发现了比例和积分的作用。它们主要的调节对象是火炉的温度蒸汽机的阀门位置等，调节方式类似于继电器控制，精度比较低，控制器的形式是比例（P）或比例与积分（PI）。第二阶段（二十世纪二十年代至四十年代）1935 年，泰勒仪器公司的Ralph Clavvidge 发现了微分的作用，微分作用的发现具有重要的意义，它能直观地实现对慢系统的控制，对该系统的动态性能能够进行调节，与先期提出的比例和积分作用成为三个主要的调节部件，一直沿用至今。
11、在1942 年和1943 年，泰勒仪器公司的Zigeler 和Nichols 等人，分别在开环和闭环的情况下，用实验的方法分别研究了比例、积分和微分这三部分在控制中的作用，首先提出了PID 控制器的参数整定的问题。随后有许多公司和专家，象福克斯波罗公司、利诺公司、横河公司、Bristol、Tw.Kraus、 J.T.Myron、A.carmon、 K.j.Astrom、T.Hagglund、Nishkawa 和Sannomiya 等人，投入到这方面的研究之中，经过多年的研究，在参数整定方面取得了很多成果，诸如自校正PID、预估PID 等控制器。这些PID 控制器适用范围广，能处理一定的非线性和
12、纯滞后问题。第三阶段（二十世纪五十年代以后至今） 计算机技术和智能控制理论的发展为复杂动态不确定系统的控制提供了新的途径，采用智能控制技术，可设计智能PID 控制器和进行智能整定PID 参数，如专家控制系统、模糊PID、神经网络PID、遗传算法PID 等智能控制。研究新一代控制器的另一个方向,是现代PID 控制器。相对于传统PID 控制器而言,现代PID 控制器是将自适应控制、最优控制、预测控制、鲁棒控制、智能控制等控制策略引入到PID 控制中的一种新型PID 控制器。特别是智能型PID 控制器,近几年引起了极大的研究兴趣。智能控制的发展状况将在下节中详细介绍。人们把专家系统、模糊控制、神经网
13、络等理论,整合到PID 控制器中,这样,既保持了PID 控制器的结构简单、适用性强和整定方便等优点,又通过智能技术在线调整PID 控制器的参数,以适应被控对象特性的变化。11.2 智能控制系统发展概况随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 一、智能控制的主要方法 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 1 模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理
14、论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。 2 专家控制 专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、
15、大偏差的情况下可靠地工作,鲁棒性强。 3 神经网络控制 神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。 4 学习控制 (1)遗传算法学习控制 智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向 。 (2)迭代学习控制 迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行
