基于神经网络参数优化的PID控制研究

《基于神经网络参数优化的PID控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中北大学硕士学位论文基于神经网络参数优化的PID控制研究姓名：赵卫华申请学位级别：硕士专业：检测技术与自动化装置指导教师：王忠庆20080522基于神经网络参数优化的PID控制研究中文摘要传统的PID控制采用基于数学模型的方法，稳定l叮靠，应用广泛。然而，随着：1：业技术的发展，控制对象的复杂程度也在不断加深，对于一些无法建立精确数学模型的控制对象，传统的PID控制显得无能为力。而神经网络的兴起为这一问题的解决提供了新的思路。神经网络能够学习和适应严重不确定系统的动态特性，凶此有很强的鲁棒性和容错性，将其与PID控制器结合，可以处

2、理那些难以用模型和规则描述的过程，在一些不确定系统的控制中已成功应用。本文主要做了两部分工作：首先，针对BP算法的缺点，用LM算法优化神经网络的训练，同时，针对LM算法中学习速率的选择和逆矩阵的求解这两个严重影响训练时f．J禾u收敛精度的问题，对LM算法进行改进和优化，提出三种有效的改进方法，并给出算法的MATLAB语言编程实现；其次，将改进后的BP网络算法应用在PID控制器的参数优化上，并提出相应的MATI．AB实现步骤。论文以加热炉的炉温控制为模型，对上文提出的改进的神经网络PID}牵制算法用MATLAB语言编程，并调试运行，

3、进行了控制仿真实验，将控制效果与PID控制算法、基本BP神经网络PID控制算法以及LM算法改进的LM算法进行对比研究。结果表明，在训练速度和收敛精度上，经过改进的LM算法优化的BP神经网络PID控制算法明显优于其他算法，证实了新算法的有效性和实用性，达到了研究预期的目的。关键词：PID控制，神经网络，LM算法，MAt、LABStudyontheParametersOptimizedPIDControlBasedonNeuralNetworkAbstractThetraditionalPIDcontrolwhichbasedonma

4、thematicmodelwassteadyandreliable，andwasappliedinmanyfields．However,withthedevelopmentoftechnology,theobjectbecomesmoreandmorecomplex．So，theconditionalPIDcontrollerwillnotgetidealcontroleffectforsomeobjectwhichcannotbedescribedbyaccuratemathematicmodel．Andneuralnetwor

5、kaffordnewmethodtosolvetheproblem．Neuralnetworkcanlearnandadoptdynamicsofuncertainsystem，SOithasstronglyrobustness，andcandealwiththequestionsthatcannotbedescribedbymodelandrule，andhasbeensuccessfulinmanycontrolofuncertainsystem．Theworkofthispapermainlyconsistsoftwopar

6、ts．Atfirst，fortheshortcomingsofBPalgorithm，LMalgorithmoptimizationisusedtotrainingneuralnetwork，atthesametime，inallusiontothetwoproblemofthelearningrateandthechoiceoftheinversematrixsolvingofLMalgorithmthatseriouslyinfluencethetrainingtimeandtheaccuracyofconvergence，t

7、hepaperproposedthreewaystoimprovetheLMalgorithm，andpresentProgrammingbyMATLAB．Inthenextplace，thepaperusestheimprovedBPnetworkalgorithmintoparameteroptimizationofPIDcontroller,andshowtheprogrammingbyMATLAB．Atlast，basedonthetemperaturecontrolmodelofheatingfurnace，thepap

8、erusesMATLAB7．0tocarryoutPIDcontrolemulationexperiment，anddoescontrastresearchofthealgorithms’controlperformance．Theresultsi