基于BP神經(jīng)網(wǎng)絡(luò )的PID控制器及仿真

圖2 神經(jīng)網(wǎng)絡(luò )控制器結構圖

由圖可知：控制器由兩部分組成，分別為常規PID控制和神經(jīng)網(wǎng)絡(luò )，其中，常規PID直接對被控對象進(jìn)行閉環(huán)控制，并且其控制參數Kp、Ki、Kd為在線(xiàn)調整方式；神經(jīng)網(wǎng)絡(luò )，根據系統的運行狀態(tài)，調節PID控制器的參數，以期達到某種性能指標的最優(yōu)化，使輸出層神經(jīng)元的輸出對應于PID控制器的三個(gè)可調參數。通過(guò)神經(jīng)網(wǎng)絡(luò )的自學(xué)習、加權系數的調整，使神經(jīng)網(wǎng)絡(luò )輸出對應于某種最優(yōu)控制規律下的PID控制器參數。
2、控制算法
神經(jīng)網(wǎng)絡(luò )PID的控制算法[5]如下：
(1). 確定神經(jīng)網(wǎng)絡(luò )的結構，即確定輸入節點(diǎn)數和隱含層節點(diǎn)數,并給出各層加權系數的初值和，并選定學(xué)習速率 和慣性系數 ，令k =1；
(2). 采樣得到r(k)和y(k)，計算當前時(shí)刻誤差error(k)= r(k)-y(k)；
(3). 計算各神經(jīng)網(wǎng)絡(luò )的輸入、輸出，其輸出層的輸出即為PID控制器的三個(gè)控制參數Kp、Ki、Kd；
(4). 計算 PID控制器的輸出；
(5). 進(jìn)行神經(jīng)網(wǎng)絡(luò )學(xué)習，在線(xiàn)調整加權系數，實(shí)現 PID控制參數的自適應調整；
(6). 令k=k+1，返回第(1)步。
4.仿真實(shí)例
4.1被控對象
設被控對象的近似數學(xué)模型為：，所選的輸入信號為一時(shí)變信號：
神經(jīng)網(wǎng)絡(luò )的結構選擇4-5-3，學(xué)習速率為0.55，慣性系數為0.04，加權系數初始值為區間[-0.5，0.5]上的隨機數，采樣頻率為1000Hz。
Matlab仿真結果如圖三所示：

圖3-1 輸入輸出曲線(xiàn)

圖3-2 誤差曲線(xiàn)

4.2 仿真結果分析
由仿真曲線(xiàn)可以看出，神經(jīng)網(wǎng)絡(luò )PID穩態(tài)誤差小，解決了常規PID超調，抖動(dòng)等問(wèn)題，控制精度高，實(shí)現了對控制信號幾乎相同的跟蹤，具有較好的快速性和適應性。
5. 結語(yǔ)
神經(jīng)網(wǎng)絡(luò )PID控制器實(shí)現了兩種算法本質(zhì)的結合，借助于神經(jīng)網(wǎng)絡(luò )的自學(xué)習，自組織能力，可實(shí)現PID參數的在線(xiàn)調整，控制器自適應性好；該算法不要求被控對象有精確的數學(xué)模型，擴大了應用范圍，控制效果良好；在合理選擇神經(jīng)網(wǎng)絡(luò )的結構的情況下，該算法有很強的泛化能力。基于以上優(yōu)點(diǎn)，神經(jīng)網(wǎng)絡(luò )PID控制器具有很好的發(fā)展應用前景。