基于bp神经网络的pid参数自适应整定

《基于bp神经网络的pid参数自适应整定》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于BP神经网络的PID参数自适应整定曾正1，蔡容容2，詹立新21武汉大学电气工程学院，4300722武汉大学动力与机械学院，430072联系方式：zengerzheng@126.com摘要：针对简单单入单出（SISO）系统中PID控制的参数整定问题进行了仿真研究，利用BP神经网络进行PID参数自适应整定。首先，得到了问题的传递函数模型，并建立了对应的离散化传递函数模型作为仿真研究的对象，并对未校正系统进行了相关的理论分析。然后，利用BP神经网络算法在线进行PID参数自适应整定。同时，为了形成参照，给出了运用模拟退火算法离线整定PID参数的仿真过程。建立了3层

2、BP网络结构，以?规则为学习规则，控制器算法为有监督的Hebb算法，教师信号为给定与被控对象的输出间的偏差信号。最后，针对系统在多工况下的复杂情况，从静态稳定和动态稳定的角度，对系统稳定性进行了仿真分析。仿真结果表明，所设计的基于BP神经网络参数自适应PID控制系统，控制品质高、鲁棒性强。为了支持更加复杂情况下的仿真，还搭建GUI仿真界面。关键字：PID控制；参数整定；BP神经网络；稳定分析；GUI；1问题背景分析1.1准备知识1.1.1控制系统的性能指标当系统的时间响应y(t)中的瞬态分量较大而不能忽视时，称系统处于动态或过渡过程中，这时系统的特性称为动态特

3、性。动态特性指标通常根据系统的阶跃响应曲线定义。设系统的阶跃响应曲线如图1所示，图中y(?)?limy(t)称为稳态值。动态性能指标主要有以x??下几种。y(ty(tp[1]y(?rps图1系统的阶跃响应曲线t（1）上升时间tr：阶跃响应曲线从零第一次上升到稳态值所需的时间为上升时间。若阶跃曲线不超过稳态值（称为过阻尼系统），则定义阶跃响应曲线从稳态值的10%上升到90%1所对应的时间为上升时间。（2）最大超调?p：设阶跃响应曲线的最大值为y(tp)，则对大超调?p为??p大，称系统阻尼小。p?y(tp)?y(?)y(?)?100%(1)（3）调节时间ts：阶

4、跃响应曲线进入并保持在允许的误差范围内所对应的时间称为调节时间。这个误差范围通常为稳态值的?倍，?称为误差带，?为5%或2%。当系统t??时，系统的响应趋于稳定，此时系统跟踪阶跃信号的误差ess(?)?limess(t)?lim(r(t)?y(t))(2)t??t??定义为稳态误差，它反映了系统跟踪阶跃信号的能力，也是最重要静态性能指标。1.1.2系统的数学模型系统的数学模型在经典控制理论中有微分方程、传递函数、动态框图和信号流图，在现代控制理论中广泛采用状态空间模型。在初始条件为零时，线性定常系统或元件输出信号的拉氏变换Y(s)与输入信号的拉氏变换R(s)之

5、比，称为该系统或元件的传递函数，通常记为G(s)。因此，有R(s)同时，应注意到在已知系统传递函数的情况下，由Y(s)?G(s)R(s)，经过反拉氏变换，可G(s)?Y(s)(3)以很容易地知道系统在给定输入信号r(t)下的响应y(t)。在现代控制理论中，系统的数学模型是用状态空间法来表示的，对于一个简单的单输入单输出系统来说，可以描述为??Ax?Bu?x(4)??y?Cx?Du其中，y为输出变量，x为n维状态向量。状态空间模型和传递函数模型是统一的，它们之间可以相互转换。在本问题中，我们将用到将状态空间模型转换为传递函数模型的方法，其逆转换在本文中不涉及，可

6、参考任何一本控制理论相关的书籍。由状态空间模型转换为传递函数模型的公式为Y(s)?1G(s)??C[sI?A]B(5)R(s)1.2问题分析对于SISO系统?1?x2?x(6)??2??25x1?6.5x2?6.5u?x输入为u，输出为y?x1，用PID控制方法进行设计，并用数值仿真确定控制器参数，使系统输出跟踪期望的输出：yref?3。由1.1可知，系统的传递函数模型为?1??0??s6.5?1G(s)??C[sI?A]B?[10]??(6)???2R(s)?25s?6.5??6.5?s?6.5s?25在MATLAB的Simulink工具箱中建立如图2所示的

7、仿真模型，系统跟踪给定阶跃输入信号的结果如图3所示。C(s)?12图2系统在Simulink下的仿真模型从图3可以看出：系统是稳定的，但是不能够实现对给定阶跃信号的跟踪。稳态响应为0.78，3模型的稳态误差也可以通过理论计算得到y(?)?limy(t)?limsG(s)R(s)?limst??s?0s?06.52ess(?)?yrefs?6.5s?25s?y(?)?3?0.78?2.22(8)?0.78(7)理论的分析结果与仿真结果完全一致。为了实现对给定阶跃信号的跟踪，必须对系统进行校正或控制。对这样一个本身稳定的系统，可以采用预测控制、模糊控制、自适应控制

8、等先进控制技术，也可以采用传统的PID