基于BP算法的神经网络PID控制器设计及仿真_第1页
基于BP算法的神经网络PID控制器设计及仿真_第2页
基于BP算法的神经网络PID控制器设计及仿真_第3页
基于BP算法的神经网络PID控制器设计及仿真_第4页
基于BP算法的神经网络PID控制器设计及仿真_第5页
已阅读5页,还剩4页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、神经网络PID控制器的设计及仿真一、传统PID控制数字PID控制算法分位置式和增量式两种,工程上常用的增量式PID控制算法,其控制算式为:u(k)=u(k1)+Kpe(k1)+KIe(k)+KDe(k)2e(k1)+e(k2)T/TIKp为比例系数,KI=式中,KpT/T为积分系数,KD=TD/T为微分系数,T为采样周期,TI为积分时间,TD为微分时间,e(k)为t=kT时刻的误差。上述PID控制算法易于用微机软件实现,PID控制系统框图如图示。现有一被控对象为:G(s)=1e0.5s10s+1根据“稳定边界法”即临界比例度法,来整定调节器的参数,带入“稳定边界法整定参数计算表”得到,当采取P

2、调节时,KP=16,;当采取PI调节时,KP=14.545,Ti=1.7;当采取PID调节时,KP=18.824,Ti=1,Td=0.25。通过Simulink进行如下图所示的仿真:仿真结果如下图所示:二、基于BP算法的PID控制基于BP神经网络的PID控制系统结构如下图所示,控制器由两个部分组成:经典的PID控制器:直接对被控对象进行闭环控制,并且KP,KI,KD三个参数为在线P,I,D整定;神经网络NN:根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标的最优化。即使神经网络的输出层神经元的输出状态对应于PID控制器的三个可调参数KP,KI,KD,通过神经网络的自学习、调整权

3、系数,从而使其稳定P,I,D状态对应于某种最优控制规律下的PID控制器参数。在这里设计的BP网络采用结构简单的三层BP神经网络,其结构如下图所示,有m个输入节点、Q个隐含层节点、3个输出节点。输入节点对应所选的系统运行状态量,如系统不同时刻的输入量和输出量等,必要时要进行归一化处理。输出节点分别对应PID控制器的三个可调参数KP,KI,KD。由于KP,KI,KD不能为负值,所以输出层神经元的激发函数取非负的Sigmoid函数,而隐含层神经元的激发函数可取正负对称的Sigmoid函数。针对此一阶线性时滞系统:构建一个三层的神经网络结构,输入层神经元个数为3,对应e(k),e(k-1),e(k-2

4、),隐含层个数为5,输出层神经元个数为3,对应KP,KI,KD。MATLAB中的仿真结果如下图所示:被控对象y:PID控制器的输出:误差e(t):PID参数:如图所示最终稳定后得到KP=0.1969,KI=0.2421、KD=0.009874。三、神经网络PID控制器与传统PID控制器性能比较通过对传统PID控制和BP神经网络PID控制举例仿真,表明BP神经网络PID控制精度高,自学习和自适应能力很强,其控制品质比普通PID的控制品质有了显著的改善,达到了预期效果。将神经网络与PID控制相结合,利用神经网络的自学习能力和逼近任意函数的能力,可在线进行PID参数调整,有效地控制较复杂的被控对象,

5、从仿真结果可以看出,神经网络PID控制比传统的PID控制具有更好的控制特性。程序清单:clearall;closeall;%系统参数赋初值%xite=0.01;%学习速率alfa=0.15;%惯性系数IN=4;H=5;Out=3;%wi=0.50*rands(H,IN);%神经网络权值初始化wi=-0.6534-0.2842-0.3906-0.7250;-0.8085-0.1476-0.4470-0.1870;-1.04280.5876-1.6474-0.4955;-0.28320.0095-0.56200.41510.3087-0.2521wi_1=wi;wi_2=wi;wi_3=wi;-0

6、.1779;-0.4145;%wo=0.50*rands(Out,H);wo=0.75880.26280.5832-0.1404-0.1313;-0.11340.29610.83640.22170.4520;0.72130.45780.7684wo_1=wo;wo_2=wo;wo_3=wo;x=0,0,0;u_1=0.0;u_2=0.0;u_3=0.0;u_4=0;u_5=0;离散化y_1=0.0;y_2=0.0;y_3=0.0;y_4=0;y_5=0;error_1=0;error_2=0;Oh=zeros(H,1);I=Oh;为方便后面的%PID输出赋初值,%输出给0值0.49740.36

7、44;%隐含层输入赋初值%计算%ts=0.96fork=1:1:200time(k)=k*ts;rin(k)=1.0;num=1;den=101;sys=tf(num,den,'inputdelay',0.5);dsys=c2d(sys,ts,'z');num,den=tfdata(dsys,'v');yout(k)=-den(2)*y_1+num(2)*u_2+num(1)*u_1;error(k)=rin(k)-yout(k);%Unlinearmodel%传递函数G(s)离散化%输出y离散化xi=error(k),error_1,error

8、_2,1;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'forj=1:1:Hend式K=wo*Oh;forl=1:1:Out求解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);ifu(k)>=10controlleru(k)=10;endifu(k)<=-10u(k)=-10;end%输入层给值%隐含

9、层节点输入Oh(j)=(exp(I(j)-exp(-I(j)/(exp(I(j)+exp(-I(j);%隐含层活化函数tanhx变成了欧拉形%输出层节点输入%输出层活化函数变成了欧拉氏K(l)=exp(K(l)/(exp(K(l)+exp(-K(l);%得到kp,ki,kd参数值%计算U(k)%Restrictingtheoutputof%反向修正%输出层dyu(k)=sign(yout(k)-y_1)/(u(k)-u_1+0.0000001);forj=1:1:OutdK(j)=2/(exp(K(j)+exp(-K(j)2;endforl=1:1:Outdelta3(l)=error(k)*

10、dyu(k)*epid(l)*dK(l);endforl=1:1:Outfori=1:1:Hd_wo=xite*delta3(l)*Oh(i)+alfa*(wo_1-wo_2);endendwo=wo_1+d_wo+alfa*(wo_1-wo_2);%隐含层%dJ/dWofori=1:1:HdO(i)=4/(exp(I(i)+exp(-I(i)2;endsegma=delta3*wo;fori=1:1:Hdelta2(i)=dO(i)*segma(i);endd_wi=xite*delta2'*xi;wi=wi_1+d_wi+alfa*(wi_1-wi_2);%数据更新,循环修正u_5

11、=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);y_5=y_4;y_4=y_3;y_3=y_2;y_2=y_1;y_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);endwiwo%找到较为合适的权值,缩小调整范围%绘图%figure(1);plot(time,rin,'r',time,yout,'b');xlabel('time(s)');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);plot(time,kp,'r');xlabel('time(s)');ylabel('kp');sub

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论