一个基于bp神经网络的pid温度控制系统的研究与实现

《一个基于bp神经网络的pid温度控制系统的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、一个基于BP神经网络的PID温度控制系统的研究与实现　　摘要：文章以注塑机温度控制系统为应用背景，研究了一个基于BP神经X络的PID温度控制系统。关键词：温度控制系统；研究；实现国内市场中的注塑机温度控制系统大多采用比例积分微分（PID）控制和模糊控制。在塑料机械中，料桶的温度控制非常关键，低于或者高于塑料的适宜熔融标准都会影响产品的最终成型质量。由于产品成型过程复杂而且可影响因素多，如果可以做好料桶的温控就可以对整个生产起到事半功倍的效果。但是这几种控制方式都需要建立精确的数学模型，而注塑机温度控制系统是一个大滞后、强耦合、非线性的时

2、变系统，建立精确的数学模型是非常困难的，因此PID温控系统的效果并不是很理想，鉴于这种情况，本文引入一个基于BP神经X络的温度PID控制系统来改善注塑机温度控制。神经X络具有表达任意非线性映射的能力，能够对非线性系统进行建模。利用神经X络的这一特点建立动态模型，作为预测控制器的预测模型，可用于热力过程的预测和控制，应用BP神经X络，通过学习和训练逼近对象的真实模型。对温度控制的各相关指标的相对权重确定。影响温度变化各相关因素在输入预测和评估模型时，需要一组决定其相对重要性的初始权重，权重的确定需要基本的原则作支持。例如确定温度的上限及下

3、限，纯加热控制段的比例，不同位置的温度控制段的默认PID参数等。目前本文使用的是基于经验的三层架构的BP神经X络架构，通过输入层对采样数据的输入，隐含层的各种计算，并把计算结果通过输出传递出去，这样经过在线指导后，可以满足BPN-PIDS系统的算法的实现。其中各层的连接权值首先通过随机赋值的方式进行，然后根据各指导案例的学习，得到健壮的权重值。本文的主要工作是设计并实现了一个基于BP神经X络的温度PID控制系统（BPneural简称为BPN-PIDS），其核心是PID神经X络，如图1-2BPN-PIDS控制算法所示。本文主要参考了如下的

4、相关技术：PID控制原理，BP神经X络（如图1-1神经X络图所示），MATLAB软件，B/S软件架构以及ASP开发工具，XML数据库存储以及OPC行业标准。对于具有多变量强耦合时变特性的温度控制系统，本文所构建的PID神经X络可以通过在线学习建立科学的预测和评估指标体系及设计相应的模型计算方法与学习参数；同时，根据对象参数发生变化时对系统输出性能的影响来调整连接权值，改变X络中比例、积分和微分作用的强弱，使系统具备良好的动态和静态性能，达到系统解耦和温度控制的目的。本文结合不同塑料的具体实际特性，对指标和模型体系进行了实证分析，解决了普

5、通PID控制系统的非确定性、非固定性元素。BPN-PIDS系统已借助MATLAB软件进行了仿真与实现。系统架构如图1-3系统框架所示，包括服务器应用端程序，注塑机端相应的应用。服务器应用端分为通讯模块，控制功能模块与数据库服务，其中控制功能模块为核心。通讯模块的作用为服务器应用端与注塑机端的通讯并传递相应数据。控制功能模块为核心模块，通过对传递到的数据分析与运算，进行整个系统的控制。数据库服务则为控制功能模块服务，它将数据存储到数据库中，需要的时候则可以提取出来。注塑机端应用分为：上位机应用，下位机应用其中，上位机应用主要作用是采集下位

6、机的数据，经过处理后通过通讯模块给应用程序控制模块进行相应的分析，然后接受控制模块的输出指令，传递给下位机。下位机的主要作用是通过A/D模块采集料筒的实际温度，然后传递给上位机。再接受上位机的控制指令，对料筒进行是否加热的指令。由于采用了C/S结构，本文中注塑机端最多可以接连255个客户端。i）总体结构设BP神经X络是一个采用三层BP结构，它有m个输入节点，其中，根据算法结构，m=3，q个隐含节点，3个输出节点。输入节点对应所选的系统运行状态量，如系统不同时刻和输入量和输出等，必要时进行归一化处理。输出节点分别对应PID控制器的三个参数

7、Kp、Ki、Kd，由于这三个参数都不能为负，所以输出层神经元激活函数一定要取非负的Sigmoid函数。此处根据经验，当q值过小，则算法有可能失败，当q值过大，则算法速度太慢，同时占用资源过多，所以取q=5。ii）学习算法请参看图1-4BP神经X络学习算法（a）、确定BPX络结构，即确定输入层节点数m和隐含层节点数q，并给出各层的加权系数的初值，选定学习速率η和惯性系数α。初值随机赋值，学习速率与惯性系数取习惯值，此时k=1。（b）、采样得r（k）和y（k），计算该时刻误差e（k）=r（k）-y（k）（c）、计算神经X

8、络各层神经元得输入、输出，NN得输出即为PID控制器得三个可调参数Kp、Ki、Kd。（d）、根据增量式算法计算PID得输出u（k）。（e）、进行神经X络得学习，通过数据库的存储读取，离线调整加权系数，实现P