同濟智能控制實驗報告-基于BP神經(jīng)網(wǎng)絡的自整定PID控制仿真

1、同濟大學電子與信息工程學院實驗報告姓名： 學號： 學院： 專業(yè)： 實驗課程名稱： 任課教師： 實驗項目名稱： 基于BP神經(jīng)網(wǎng)絡的自整定PID控制仿真 實驗日期： 一、 實驗內容：1. 熟悉神經(jīng)網(wǎng)絡的特征、結構及學習算法。2. 通過實驗掌握神經(jīng)網(wǎng)絡自整定PID的工作原理。3. 了解神經(jīng)網(wǎng)絡的結構對控制結果的影響。4. 掌握用MATLAB實現(xiàn)實現(xiàn)神經(jīng)網(wǎng)絡控制系統(tǒng)仿真的方法。二、 實驗步驟及結果演示1.實驗步驟：（1）被控對象為一時變非線性對象，數(shù)學模型可表示為式中系數(shù)a(k)是慢時變的，（2）如圖5所示確定BP網(wǎng)絡的結構，選4-5-3型的BP網(wǎng)絡，各層加權系數(shù)的初值取區(qū)間-0.5,0.5上的隨機數(shù)

2、，選定學習率=0.25和慣性系數(shù)=0.05.（3）在MATLAB下依據(jù)整定原理編寫仿真程序并調試。（4）給定輸入為階躍信號，運行程序，記錄實驗數(shù)據(jù)和控制曲線。（5）修改神經(jīng)網(wǎng)絡參數(shù)，如學習速率、隱含層神經(jīng)元個數(shù)等，重復步驟（4）。（6）分析數(shù)據(jù)和控制曲線。 圖5 BP神經(jīng)網(wǎng)絡結構2.結果展示：（1）實驗代碼：xite=0.25;alfa=0.02;IN=4;H=10;Out=3;wi= 0.4634 -0.4173 0.3190 0.4563; 0.1839 0.3021 0.1112 0.3395; -0.3182 0.0470 0.0850 -0.0722; -0.6266 0.0846

3、0.3751 -0.6900; -0.3224 0.1440 -0.2873 -0.0193; -0.0232 -0.0992 0.2636 0.2011; -0.4502 -0.2928 0.0062 -0.5640; -0.1975 -0.1332 0.1981 0.0422; 0.0521 0.0673 -0.5546 -0.4830; -0.6016 -0.4097 0.0338 -0.1503;wi_1=wi;wi_2=wi;wi_3=wi;wo= -0.1620 0.3674 0.1959; -0.0337 -0.1563 -0.1454; 0.0898 0.7239 0.7605

4、; 0.3349 0.7683 0.4714; 0.0215 0.5896 0.7143; -0.0914 0.4666 0.0771; 0.4270 0.2436 0.7026; 0.0215 0.4400 0.1121; 0.2566 0.2486 0.4857; 0.0198 0.4970 0.6450 ;wo_1=wo;wo_2=wo;wo_3=wo;x=0,0,0;u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;y_1=0;y_2=0;y_3=0;oh=zeros(H,1);I=oh;error_2=0;error_1=0;ts=0.001;for k=1:1:6000t

5、ime(k)=k*ts;rin(k)=1;a(k)=1.2*(1-0.8*exp(-0.1*k);yout(k)=a(k)*y_1/(1+y_12)+u_1;error(k)=rin(k)-yout(k);xi=rin(k),yout(k),error(k),1;x(1)=error(k)-error_1;x(2)=error(k);x(3)=error(k)-2*error_1+error_2;epid=x(1);x(2);x(3);I=xi*wi;for j=1:H oh(j)=(exp(I(j)-exp(-I(j)/(exp(I(j)+exp(-I(j);endK=wo*oh;for l

6、=1:Out; K(l)=exp(K(l)/(exp(K(l)+exp(-K(l);endKp(k)=K(1);Ki(k)=K(2);Kd(k)=K(3);Kpid=Kp(k),Ki(k),Kd(k);du(k)=Kpid*epid;u(k)=u_1+du(k);if u(k)=10; u(k)=10;endif u(k)=-10; u(k)=-10;enddyu(k)=sign(yout(k)-y_1)/(u(k)-u_1+0.);for j=1:Out dk(j)=2/(exp(K(j)+exp(-K(j)2;endfor l=1:Out delta3(l)=error(k)*dyu(k)

7、*epid(l)*dk(l);endfor l=1:Out for i=1:H d_wo=xite*delta3(l)*oh(i)+alfa*(wo_1-wo_2); endendwo=wo_1+d_wo;for i=1:H dO(i)=4/(exp(I(i)+exp(-I(i)2;endsegma=delta3*wo;for i=1:H delta2(i)=dO(i)*segma(i);endd_wi=xite*delta2*xi+alfa*(wi_1-wi_2);wi=wi_1+d_wi;u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);y_2=y_1;y_

8、1=yout(k);wo_3=wo_2;wo_2=wo_1;wo_1=wo;wi_3=wi_2;wi_2=wi_1;wi_1=wi;error_2=error_1;error_1=error(k);endfigure(1)plot(time,rin,r,time,yout, b);xlabel(time);ylabel(rin,yout);figure(2)plot(time,error,r);xlabel(time(s);ylabel(error);figure(3)plot(time,u,r);xlabel(time(s);ylabel(u);figure(4)subplot(311);p

9、lot(time,Kp,r);xlabel(time(s);ylabel(Kp);subplot(312);plot(time,Ki,g);xlabel(time(s);ylabel(Ki);subplot(313);plot(time,Kd,b);xlabel(time(s);ylabel(Kd);（2）控制曲線初始情況學習率alpha=0.02;慣性系數(shù)xite=0.25;隱藏層節(jié)點數(shù)H=10.增大學習率學習率alpha=0.05;慣性系數(shù)xite=0.25;隱藏層節(jié)點數(shù)H=10.學習率減小學習率alpha=0.01;慣性系數(shù)xite=0.25;隱藏層節(jié)點數(shù)H=10.增大慣性系數(shù)學習率al

10、pha=0.02;慣性系數(shù)xite=0.5;隱藏層節(jié)點數(shù)H=10.減小慣性系數(shù)學習率alpha=0.02;慣性系數(shù)xite=0.1;隱藏層節(jié)點數(shù)H=10.增大隱含層節(jié)點數(shù)學習率alpha=0.02;慣性系數(shù)xite=0.1;隱藏層節(jié)點數(shù)H=5.減小隱含層節(jié)點數(shù)學習率alpha=0.02;慣性系數(shù)xite=0.1;隱藏層節(jié)點數(shù)H=15.三、 遇到的主要困難及解決對策1. 主要困難：運行程序一直報錯，顯示矩陣維度不同。解決對策：檢查了矩陣，發(fā)現(xiàn)文檔中的程序對矩陣的表示有誤，每行末尾少了分號，導致運行出錯。2. 主要困難：解決了上述問題，運行程序仍然報錯，且錯誤相同。解決對策：檢查程序，發(fā)現(xiàn)在矩陣表示中有很多以“”表示轉置，很容易漏看，一旦漏看，就會使矩陣維度出錯。3. 主要困難：在減小隱含層節(jié)點數(shù)時，程序報錯。解決對策：檢查后發(fā)現(xiàn)少了前兩行“clear all;close all;”，這使得之前實驗的數(shù)據(jù)影響到了這次實驗。四、 感想和體會PID控制器結構簡單，實現(xiàn)簡單且控制效果良好，已被廣泛應用。但其具有一定的局限性：被控對象參數(shù)隨時間變化時，控