具有数据丢包的神经网络PID控制器-论文.pdf

《具有数据丢包的神经网络PID控制器-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第5期计算机仿真2014年5月文章编号：1006—9348(2014)05—0419—04具有数据丢包的神经网络PID控制器付子义‘。张艺(1．河南理工大学电气工程与自动化学院，河南焦作454003；2．河南理工大学计算机科学与技术学院，河南焦作454003)摘要：基于BP神经网络整定参数的PID控制算法有着广泛的应用，然而现有的研究主要针对控制器和被控对象在同一位置的点对点系统。实际中网络控制系统被广泛采用，由于通信网络的存在使得控制系统的数据经常发生丢失现象，对控制性能造成很大影响。针对上述问

2、题，将数据丢包描述为一个随机的伯努利序列，在此基础上给出了存在数据丢包的神经网络PID控制算法。仿真结果表明，当控制系统存在一定的数据丢失时，神经网络PID控制算法仍然可以保证系统的稳定性，但输出性能随着数据丢失程度的增加变差。关键词：比例积分微分控制算法；神经网络；网络控制系统；丢包中图分类号：TP183文献标识码：BNeuralNetworkPIDControllerwithPocketDropoutFUZi—vi．ZHANGYi(1．SchoolofElectricalEngineeringandA

3、utomation，HenanPolytechnicUniversity，JiaozuoHenan454003，China；2．SchoolofComputerScienceandTechnology，HenanPolytechnicUniversity，JiaozuoHenan454003，China)ABSTRACT：TheBPneuralnetworkbasedPIDcontrolalgorithmshavebeenwidelyappliedinmanysystems．How—ever，theexi

4、stingapplicationsonlyconsiderthepoint-to-pointcontrolsystems，andthecontrollersandplantsareas-sumedatsameposition．Inpracticalsystems，networkedcontrolsystemsarewidelyintroduced．Duetothefailureofcommunicationchannel，datadropoutsoftenOccurinnetworkedcontrolsy

5、stems，whichresultsinworseoutputper-formance．ThispaperdescribedthedropoutrateasBernoullirandomvariables，andthentheBPneuralnetworkbasedPIDcontrolwasgivenintheframeworkofdatadropouts．Simulationresultsshowthatthecontrolalgorithmcanguar—anteethestabilityofsyst

6、emseventhoughsomedataaremissing，andtheoutputperformancebecomesworseasthein—creasingofdatadropoutrate．KEYWOI~S：PIDcontrolalgorithm；Neuralnetwork；Networkcontrolsystem；Datadropout1引言域得到了广泛的应用。PID控制算法具有结构简单、易于实现和可靠性高的特现有的BP神经网络应用于控制器和被控对象在同一位点，因此被广泛的应用于电力、机械、

7、冶金和化工等现代工业置的点对点系统。在实际应用中，随着网络通信技术和计算中⋯。然而在实际的应用中，PID控制器的参数整定往往较机控制技术的快速发展与互相之间的结合，网络控制系统应多的基于工程经验，并且PID控制器参数不能根据系统的性用而生_8j。网络控制系统主要是由控制器、传感器和执行能来实时调整其控制参数，因此难以达到理想的控制效果。器等部件构成，通过通信网络的连接构成的闭环控制系统。智能控制主要是模拟人类的智能思维来解决非线性、网络控制系统具有成本低、可靠性高、扩展能力强和易维护不确定性问题。然而实际

8、系统大都是非线性的，因此模糊控等优点，因此在工业控制中得到了广泛的应用。然而网络控制、神经网络、遗传算法等智能控制算法逐渐应用到PID控制系统中由于通信网络的存在，网络控制系统不可避免的出制器中。随着智能控制技术的日趋成熟，智能控制技术现传输时延、系统抖动和数据包丢失等问题，这些问题造成与传统PID控制相结合，提高了控制精度，获得了良好的控了控制系统的实时性降低，与此同时也延长了数据通讯的时制性能。在这些方法中，BP神经网络P