实验二基于某bp神经网络自整定pid控制仿真

《实验二基于某bp神经网络自整定pid控制仿真》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、实用标准文案实验二基于BP神经网络自整定PID控制仿真一、实验目的熟悉神经网络的特征、结构以及学习算法，通过实验掌握神经网络自整定PID的工作原理。了解神经网络的结构对控制效果的影响，掌握用MATLAB实现神经网络控制系统仿真的方法。二、实验设备：计算机系统、Matlab仿真软件三、实验原理在工业控制中，PID控制是工业控制中最常用的方法。这是因为PID控制器结构简单、实现简单，控制效果良好，已得到广泛应用。但是，PID具有一定的局限性：被控制对象参数随时间变化时，控制器的参数难以自动调整以适应外界环境的变化。为了使控制器具有较好的自适应性，实现控制器参数的自动

2、调整，可以采用神经网络控制的方法。利用人工神经网络的自学习这一特性，并结合传统的PID控制理论，构造神经网络PID控制器，实现控制器参数的自动调整。基于BP神经网络的PID控制器结构如图1所示。控制器由两部分组成：一是常规PID控制器，用以直接对对象进行闭环控制，且三个参数在线整定；二是神经网络NN，根据系统的运行状态，学习调整权系数，从而调整PID参数，达到某种性能指标的最优化。图1基于BP网络的PID控制器结构图2BP网络结构精彩文档实用标准文案网络学习过程由正向和反向传播两部分组成。在正向传播过程中，每一层神经单元的状态只影响下一层神经网络。如果输出层不能

3、得到期望输出，也就是实际输出与期望输出有误差，那么转入反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次向输入层传播，去进行计算，再经过正向传播过程，这样经过两个过程的反复作用，使得误差信号最小。实际上，当误差达到人们所希望的要求时，网络的学习过程就结束了。注意：隐含层神经元的激活函数取正负对称的Sigmoid函数：网络输出层的输入输出为：输出层节点分别对应三个可调参数kp、ki、kd。由于kp、ki、kd不能为负，所以输出层神经元的活化函数取非负的Sigmoid函数。对于增量式数字PID控制算法，则有四、实验步骤（1）被控对象为一时变

4、非线性对象，数学模型可表示为：式中，系数a(k)是慢时变的，。（2）如图2确定BP网络的结构，选4-5-3，各层加权系数的初值，取区间[-0.5,0.5]上的随机数，选定学习速率η=0.25和惯性系数α=0.05精彩文档实用标准文案(3)在MATLAB下依据整定原理编写仿真程序并调试。(4)给定输入为阶跃信号，运行程序，记录实验数据和控制曲线。(5)修改神经网络参数如学习速率，隐含层神经元个数等，重复步骤(4),(6)分析数据和控制曲线。五、实验报告要求给出BP神经网络自整定PID控制系统的设计过程和程序清单，记录试验数据和曲线，分析试验结果。六、思考题1、BP

5、神经网络的学习速度和什么因素有关？2、BP神经网络的收敛结果是否全局最优？精彩文档