《基于神经网络的比值控制系统》由会员分享，可在线阅读，更多相关《基于神经网络的比值控制系统（64页珍藏版）》请在金锄头文库上搜索。
1、I基于神经网络的比值控制系统黄江伟摘要：本文主要针对 PCT-2 型过程控制系统进行比值控制。众所周知，用 PID 算法来控制比值已经能取得很好的效果，而且它具有直观、实现简易和鲁棒性强等一系列优点，但由于实际的比值系统存在非线性，不易建立精确的数学模型。目前，虽然已经有相关的方法诸如动态特性参数法、稳定边界法、衰减曲线法等整定 PID 参数的方法，但这些都需要进行大量的实验才能找到比较合适的参数。本文提出了一种基于神经网络的 PID 控制方法，这种方法从生理结构上模仿人脑神经元的功能，可作为一般函数的估计器，能映射输入输出关系；神经网络具有自学习能力和大规模并行处理能力，在认知处理比较擅长。
2、实验证明，该方法具有一定的实用价值和应用前景。关键词：比值系统 神经网络 IIThe Double Tankers Water Level System Based on Genetic Algorithm Jiangwei HuangAbstract: In this paper , we mainly discuss the double tankers water level control in PCT-2 process control system .It is known to all that its fine to control level system with PID
3、method , and it has merits, such as intuition, easiness for realizing and strong robustness . Therefor , considering actual water level system has non-linearity ,it is not easy to build a precise mathematical model for the system .At present ,we have some correlative means about rectifying PID param
4、eters ,such as dynamic characteristics parameter method, stability limit law, attenuation curve law and so on ,but they all demand substantive experiment to find some appropriate parameters .This paper comes up with a kind of PID control method based on genetic algorithm , which can simplify the fus
5、sy course of searching for the parameters and can find the suitable parameters with automatic optimum .Firstly ,we encode the parameter( Kp 、Ti ) which demand optimum and product a certainty quantity of initial population ,then the computer will proceed a series of genetic algorithm ,such as selecti
6、on ,crossover and mutation .At last, the computer can compute the adaptive value of every chromosome according to the object function and select the suitable PID parameters to adjust the system .This method can control the water level system well, and the experiment proves that it has certain use va
7、lue and potential application.Key words: III目 录引言 1第一章 概述 21.1 设立本课题意义 21.2 课程设计的任务 2第二章 系统软硬件介绍 42.1 系统介绍 42.2 实验柜硬件介绍 42.3 系统通讯器件 52.4 计算机软件介绍 62.5 遗传算法 132.5.1 简介 132.5.2 编码方法 132.5.3 交叉和变异 142.5.4 适应度函数及选择算子 14第三章 PID 控制 163.1 PID 控制原理 163.2 数字 PID 控制算法 173.2.1 位置式 PID 控制算法 173.2.2 增量式 PID 控制算法 183.3 积分分离 PID 控制算法 19第四章 PID 参数的整定 224.1 稳定边界法 224.2 衰减曲线法 234.3 基于遗传算法的 PID 控制 254.4 实验结论 28总 结
