龙源期刊网httpwwwqika
comc
基于ＢＰ神经网络的ＰＩＤ控制器及其ＭＡＴＬＡＢ仿真
作者：谢利英来源：《中国新技术新产品》2009年第10期
摘要PID控制算法简单、应用广泛既能消除余差又能提高系统的稳定性但其P环节、I环节、D环节的控制参数却参数难以整定BP神经网络算法具有很强的数字运算能力因此可通过BP神经网络自学习、加权系数调整实现PID的最优调整本文以小车控制为例利用BP神经网络的学习能力进行PID参数的在线整定并进行了MATLAB仿真结果表明利用BP神经网络可很快的找到PID的控制参数。
关键词BP网络PID控制MATLAB仿真
引言
PID控制器具有结构简单、鲁棒性强、工业上容易实现等优点在工业控制中得到广泛应用。但是当控制对象为非线性和时变特性时参数的整定及在线自适应调整问题就难以解决。BP网络具有较好的在线检测能力将PID控制器和BP神经网络相结合可以实现PID参数的自学习过程从而达到满意的控制效果。
1BP神经网络1
BPBackPropagatio
神经网络算法又称为误差逆传播算法这个算法的学习过程由正向传播过程和反向传播过程组成正向传播过程是依据学习样本的输入向量从输入层到隐含层到输出层逐次修改权值矩值两个过程反复交替直至收敛为止。BP神经网络是神经网络模型中应用最广泛的一种以三层BP网络为例其模型如图1所示
2基于BP网络的PID控制器23
f龙源期刊网httpwwwqika
comc
21PID控制器介绍PID控制器是按照偏差的比例portio
al、积分i
tegral和微分derivative进行控制的。P环节能较快克服扰动的影响但是会有余差出现I环节能在比例的基础上消除误差D环节具有超前作用能提高系统的动态稳定性。若同时采用P环节、I环节、D环节即PID控制规律来进行控制就比较理想化便既能消除余差又能提高系统的稳定性。PID控制器由比例P、积分I、微分D3个部分组成。22基于BP网络的PID控制器图1中输出层的输入、输出为
3基于BP网络的PID控制实例分析
一重1Kg的小车模型在一光滑无阻力的水平面上受F1和F2作用从A点出发向B点运动假设A与B之间距离为1Km那么如何控制F1和F2的大小才能使小车刚好到达B点
31数学分析由数学和物理知识可知小车所受合外力F为
由式31可知小车所受合外力F的大小控制需要借助Kp、Ki、Kd三个参数的调节如何将Kp、Ki、Kd调至最佳值便是PID控制的重点。
32仿真分析根据经验为更好的实现余差的控制调整BP网络输入层输入为ri
kyoutkerrork1其控制器结构框图如图2所示
由r