新型自适应模糊pid控制系统仿真

新型自适应模糊pid控制系统仿真

ID:33327468

大小:299.50 KB

页数:4页

时间:2019-02-24

新型自适应模糊pid控制系统仿真_第1页
新型自适应模糊pid控制系统仿真_第2页
新型自适应模糊pid控制系统仿真_第3页
新型自适应模糊pid控制系统仿真_第4页
资源描述:

《新型自适应模糊pid控制系统仿真》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、新型自适应模糊PID控制系统仿真9新型自适应模糊PID控制系统仿真*作者简介:赵国山(1978-),男,山东泰安人,博士生,研究方向为井下系统、信息与控制工程;管志川(1959-),男,博士,教授,研究方向为油气井管柱力学,油气井井下过程监测、诊断与控制等.赵国山管志川中国石油大学(华东)石油工程学院,山东东营257061摘要:PID控制具有算法简单和可靠性高的优点,被广泛应用于工业过程控制,但是当被控对象变化时,控制器的参数难以自动调整,尤其是对大滞后和非线性的复杂系统。针对实际生产过程具有的非线性和不确定性,提出了一种基于神经网络的模糊PID控制方法。它是模糊控制、神经网络和常规PID

2、控制器的有效结合,将模糊控制和神经网络策略引入到传统PID控制中,使得PID控制器具有模糊控制简单有效的非线性控制的优点以及神经网络的自学习和自适应能力。并建立控制系统模型进行仿真,给出控制器的结构与参数设计方法。仿真结果表明新型自适应模糊PID控制有较好的鲁棒性、抗干扰性和自适应性,其控制特性优于传统的PID。关键词:PID控制参数整定系统仿真模糊控制神经网络1引言PID控制是最早发展起来的控制策略之一,其涉及的设计算法和控制结构简单[1]。但由于实际工业生产过程往往具有非线性和时变不确定性[2],应用常规PID控制器不能达到理想控制效果,本文将模糊控制和神经网络策略引入到传统PID控制

3、中,以适应复杂的工况和高指标的控制要求,并利用SIMULINK工具箱建立了常规PID控制系统和新型自适应模糊PID控制系统模型并进行仿真研究。2PID控制系统建模2.1常规PID控制系统常规PID控制系统模型如图1所示,其控制规律[1]为:(1)式中,e(t)-控制器偏差输入;u(t)-控制器输出;KP、KI和KD-比例、积分和微分项系数。本文所用的PID参数的整定方法是ZN法[1-3]。ZN经验公式[3]如式2所示:,,(2)2.2模糊PID控制系统的信号采用二输入三输出的模糊控制器,以e和ec为输入语言变量[4-6],以KP、KI和KD为输出语言变量,输入、输出的模糊子集如下:新型自适

4、应模糊PID控制系统仿真9偏差e:本文选取{负大,负中,负小,零,正小,正中,正大}这七个语言变量值来描述用符号表示为{NB,NM,NS,ZO,PS,PM,PB);同理,偏差变化率ec:{NB,NM,NS,ZO,PS,PM,PB};KP:{NB,NM,NS,ZO,PS,PM,PB};KI:{NB,NM,NS,ZO,PS,PM,PB};KD:{NB,NM,NS,ZO,PS,PM,PB};把语言变量进行量化归档[4-6]:偏差e:(-6,-4,-2,0,,+2,+4,+6};偏差变化率ec:(-6,-4,-2,0,+2,+4,+6};KP:(-6,-4,-2,0,+2,+4,+6};KI:(-

5、6,-4,-2,0,+2,+4,+6};KD:(-6,-4,-2,0,+2,+4,+6};在本设计中隶属函数采用三角形函数[6],KP、KI和KD的控制规则如表1所示。表1KP、KI和KD控制规则表KPKIKDeNBNMNSZOPSPMPBecNBPBNBPSPBNBNSPMNMNBPMNMNBPSNSNBZOZONMZOZOPSNMPBNBPSPBNBNSPMNMNBPSNSNMPSNSNMZOZONMNSZOZONSPMNBZOPMNMNSPMNSNMPSNSNMZOZONSNSPSNSNSPSZOZOPMNMZOPMNMNSPSNSNSZOZONSNSPSNSNMPMNSNMPMZO

6、PSPSNMZOPSNSZOZOZOZONSPSZONSPSZONMPMZONMPBZOPMPSZOPBZOZONSNSPSPSNMPSPSNMPMPSNMPBPSNBPBPBPBZOZOPBZOZOPMNMPSPMNMPMPMNMPMPSNBPBPSNBPBPB图1常规PID控制系统模型2.3新型自适应模糊PID控制系统设计三个BP网络,每个BP网络具有两个输入分别对应系统的偏差e和偏差变化ec,具有4层隐层和一个输出层[7-9],隐层的活化函数[7-9]均选为tansig函数,其取值在[-11]之间。输出层有一个神经元,对应于PID控制器的三个参数KP、KI和KD,输出层活化函数取为p

7、urelin线性函数。采用BP算法对表1所示的模糊控制规则进行训练,其实质是确定BP网络各层神经元的连接权值和阈值。由于神经网络对信息的处理具有自组织和自学习的特点[7-9],当训练结束达到期望的误差精度要求时,网络己经具备反映模糊规则代表的经验规律的能力。采用带动量回传的梯度递减法作为训练函数[7-9],在MATLAB的指令窗中输入‘nntool’新型自适应模糊PID控制系统仿真9,打开一个“网络/数据管理”窗口,在这

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。