中文翻譯--神經(jīng)網(wǎng)絡(luò)PID在溫度控制系統(tǒng)中的研究與仿真.doc

神經(jīng)網(wǎng)絡(luò)PID在溫度控制系統(tǒng)中的研究與仿真摘要：本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)的新型智能PID控制方法和一些BP神經(jīng)網(wǎng)絡(luò)的基本概念。同傳統(tǒng)的PID控制相比較，神經(jīng)網(wǎng)絡(luò)智能PID控制有許多優(yōu)點。把BP神經(jīng)網(wǎng)絡(luò)的PID控制方法應用到工業(yè)領(lǐng)域的溫度控制系統(tǒng)中，仿真結(jié)果表明：這種控制方法具有較高控制精度和較強的適應性以及良好的控制效果。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，PID控制器，溫度控制系統(tǒng)1引言在工業(yè)控制過程中，PID控制是一種最基本的控制方式，其魯棒性好、結(jié)構(gòu)簡單、易于實現(xiàn)，但常規(guī)的PID控制也有其自身的缺點，因為常規(guī)PID控制器的參數(shù)是根據(jù)被控對象數(shù)學模型確定的，當被控對象的數(shù)學模型是變化的、非線性的時候，PID參數(shù)不易根據(jù)其實際的情況做出調(diào)整，影響了控制質(zhì)量，使控制系統(tǒng)的控制品質(zhì)下降。特別是在具有純滯后特性的工業(yè)過程中，常規(guī)的PID控制更難滿足控制精度的要求。由于神經(jīng)網(wǎng)絡(luò)具有自組織、自學習、自適應的能力，本文提出基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器，使人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)PID控制相結(jié)合互相補充，共同提高控制質(zhì)量，并把該方法在溫度控制系統(tǒng)中用Matlab語言進行了仿真應用。2BP神經(jīng)網(wǎng)絡(luò)的模型構(gòu)成及算法2.1BP神經(jīng)網(wǎng)絡(luò)的模型構(gòu)成BP神經(jīng)網(wǎng)絡(luò)的學習過程主要由兩個階段構(gòu)成：第一階段（正向傳播過程），輸入信號通過輸入層，經(jīng)過隱含層逐層處理，在輸出層計算出每個神經(jīng)元的實際輸出值。第二階段(誤差反向傳播過程)，如果在輸出層未得到期望的輸出值，則逐層遞推地計算實際輸出與期望輸出的差值，并且根據(jù)這個誤差調(diào)節(jié)權(quán)系數(shù)。2.2神經(jīng)網(wǎng)絡(luò)PID控制器的構(gòu)成及算法在傳統(tǒng)的PID控制中，經(jīng)典增量式PID的控制形式：u(k)=u(k-1)+pe(k)-e(k-1)+ie(k)+de(k)-2e(k-1)+e(k-2)Kp：比例系數(shù)i=iop：積分系數(shù)odpd：微分系數(shù)建立BP神經(jīng)網(wǎng)絡(luò)PID控制器結(jié)構(gòu)：r(k)e(k)u(k)y(k)+_為了達到自適應調(diào)節(jié)dip,目的，輸出層為三個神經(jīng)元，分別對應dip,。輸入層、隱含層的神經(jīng)元的數(shù)目根據(jù)被控對象的復雜性固定下來。隱含層采用的激活函數(shù)為正負對稱的sigmoid函數(shù)：xxxxeeeexxf)tanh()(輸出層的激活函數(shù)采用非負的sigmoid函數(shù)：xxxeeexxg2)tanh(1)(我們假定o31，o32，o33是輸出層的輸出，它們分別對應于p，i，d。我們?nèi)⌒阅苤笜撕瘮?shù)為：2)1()1(21kykrJ當實際輸出與期望輸出之間存在偏差時，則誤差反向傳播。反向傳播的實質(zhì)就是通過調(diào)整權(quán)系數(shù)使偏差最小，因此可以利用最速下降法，按誤差函數(shù)的負梯度方向?qū)Ω鲗由窠?jīng)元權(quán)系數(shù)進行調(diào)整修正。則有：NNPIDNNPlantNNArithmetic)1()3(kwli=-)()3()3(kwwJlili：學習速率：動量項由鏈法則可得：)3(liwJ=)3()3()3()3()3()()()()()1()1(lillllwknetknetOOkukukykyJ=-e(k+1)3()3()3()3()3()()()()()1(lillllwknetknetOOkukuky其中：l=1,2,3因此可以得到BP神經(jīng)網(wǎng)絡(luò)的輸出層權(quán)系數(shù)的計算公式：)()()1()3()2()3()3(kwkOkwliilli其中：)(*)()(*)()1(sgn()1()3(,)3()3(knetgkOkukukykelll由于在PID控制算法中)()1(kuky一般情況下是未知的，可以用符號函數(shù))()1(sgnkuky來取代，并通過調(diào)整來修正誤差。同理可得到隱含層權(quán)系數(shù)計算公式：)()()2()1()2()2(kwkOwijjiij其中：)()()3(31)3()2()2(kwknetflillii，在上面各式中，上角標（1）、（2）、（3）分別表示輸入層、隱含層、輸出層、l：輸出層神經(jīng)元個數(shù)i：隱含層神經(jīng)元個數(shù)j：輸入層神經(jīng)元個數(shù))(1)(xgxgg2/)(12xff綜上所述可以得到BP神經(jīng)網(wǎng)絡(luò)的控制算法：（1）確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，初始化各層權(quán)系數(shù)?？刂屏俊⑤敵隽?、誤差的初值取0。（2）對系統(tǒng)進行采樣，得到)(kr、)(ky。計算得到誤差)()()(kykrke。然后根據(jù)增量式PID算式把誤差分量作為輸入層的輸入。（3）根據(jù)各層權(quán)系數(shù)正向計算BP神經(jīng)網(wǎng)絡(luò)各層的輸入、輸出。輸出層分量分別為Kp、Ki、Kd。根據(jù)增量式PID算式可以得到控制器的輸出u。（4）將u作為BP神經(jīng)網(wǎng)絡(luò)的監(jiān)督信號，進行BP算法的反向傳播。在線根據(jù)輸出層、隱含層的學習算法調(diào)整各層的權(quán)系數(shù)，使PID系數(shù)達到自適應調(diào)整。（5）返回到（2）。3.在溫度控制系統(tǒng)中的仿真實驗在工業(yè)生產(chǎn)過程中，控制的生產(chǎn)過程各種各樣，常常要對像溫度過程這樣的純滯后的過程進行控制。設(shè)被控的溫度控制過程的傳遞函數(shù)為：)110)(140(3)(s