基于BP神经网络的参数自整定PID控制器仿真研究

《基于BP神经网络的参数自整定PID控制器仿真研究》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、万方数据基于BP神经网络的参数自整定PID控制器仿真研究文覃编号：1003-5850(2008)03—0008—03。基于BP神经网络的参数自整定PID控制器仿真研究ResearchonSimulationofSelf—tuningPIDControllerbasedonBPNeuralNetwork都丽娜张国钧(太原理工大学信息学院太原030024)【摘要】PID控制是迄今为止在过程控制中应用最为广泛的控制方法，但在实际应用中，其参数整定仍未得到较好的解决。把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控

2、制器，并通过MATLAB仿真试验，取得较好的效果。【关键词】PID，自整定，BP神经网络，仿真中图分类号：TPll8文献标识码：AABSTRACTPIDcontrollersareusedwidelyintheprocesscontr01．TuningofPIDparametersisremainedtosolve．NN(NeuralNetwork)techniqueisappliedtOthePIDcontrolinthispaperbytheuseofcapabilityofnonlinearfunctionapproximationtoformasel

3、f—tuningPIDcontrollerbasedonNN，whichgetsagoodeffectthroughaMATLABsimulatedexperiment．KEYWORDSPID，self-tuning；BackPropagationNeuralNetwork，simulation前向网络是目前研究最多的网络形式之一，它具备分层结构，每层神经元之间有从输入到达输出的前向连接权，同层神经元以及隔层神经元之间无连接。根据神经元的激励函数与求和方式不同，有不同的网络形式，其中最典型的是BP网络‘1

4、。1控制系统结构分析基于BP神经网络的PID控制系统

5、结构如图1所示啪。图1基于BP神经网络的PI【．)控制系统其中，控制器由两个部分组成L3]：①PID控制器：直接对被控对象进行闭环控制，并且参数kp,ki、幻为在线调整方式。②神经网络：根据系统运行状态，调节PID控制器的参数，以期达到某种性能指标的最优化，使输出层神经网络输出状态对应于PID控制器的三个可调参数志"k。、k。。通过神经网络的自学习、加权系数调整、使神经网络输出对应于某种最优控制律下的PID控制器。*2007—10—12收到，2008一01—08改回**郝丽娜，女，1977年生，硕士，研究方向：计算机控制技术。2神经网络控制器及辨识器算法2．

6、1神经网络控制器(NNC)算法设网络有M个输入节点，Q个隐层节点、3个输出节点，则网络的输人为‰s

7、：F’=z(．『)(．『=1，2，L⋯，M)(1)网络隐含层的输入、输出为：Mnet‘,2’(志)=己叫垆，；"J=oo；∞(愚)=f(net‘,∞(志))(2)式中，w孑’为隐含层加权系数；上角标1、2、3分别代表输入层、隐含层和输出层。隐层神经元激活函数取双曲正切函数：dZ一口一z厂(z)=tanh(z)2eLX—--卜二e-一：'：(3)网络输出层的输入、输出为：品net‘t”(五)=：∑埘p’0j2’(曼)，0f3’(五)=g(net‘t3’(五))o

8、f”(五)=五，，02'3’(志)=五i，05"(愚)=曼J(4)网络输出节点分别对应PID控制器的三个可调参数k，、kL，由于它们不能为负值，因此输出层神经元的激活幽数取非负的Sigmoid函数：1口王g(z)2言(1+tanh(z))2e—X+Le-x(5)取性能指标函数为：1E(惫)=寺(r(志)--y(k))2=寺P(点)2(6)万方数据第21卷第3期电脑开发与应用(总179)·9·采用BP算法修正网络权系数，同时为了解决BP算法在梯度方向可能出现的剧烈变化，在权值搜索调整过程中加入惯性项：Aw2诹)一7器枷胡’(k--1)(7)式中，刁为学习速率，

9、口为惯性系数。BE(k)OE(k)勿(志+1)au(k)剃3’(足)aw磬’(矗)一ay(志+1)au(忌)a研3’(五)Onet．}3’(惫)≮8nlet(1两3)(k)(8)劫p’(志)“7由黑：P(五)一P(愚一1)丽■两2PL启，一PL意一1’去‰酬忌，抑；”(点)一“7器一P(k)--2P(k--1)+础-2)(9)上述分析可得网络输出层的学习算法为：劬护’(五)=aAw't?’(k--1)+耐3’硝2’(五)∥刮挑gn[笔茅]器gr(，z硝3‰))(10)式中，z一1，2，3，97(z)一g(z)(1-g(x))。同理可得隐含层加权系数的学习算法

10、：△蜡’(量)--_-aAw(ff’(k--1)+耐