基于BP神经网络整定的PID控制.pdf

《基于BP神经网络整定的PID控制.pdf》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、72基于BP神经网络整定的PID控制基于BP神经网络整定的PID控制王敬志任开春胡斌（重庆通信学院，重庆400035）摘要针对经典PID控制参数不能在线调整的缺陷，研究了一种基于BP神经网络的PID控制算法，利用BP神经网络具有的任意非线性表达能力，通过对系统性能的学习，实现具有最佳组合的PID控制。关键词：BP神经网络，PID控制AbstractAccordingtothedefectsthattheparametersofclassicalPIDcontrolcannotbeadjustedonline,aPIDcontrolbasedonBP

2、neuralnetworkispresentedinthispaper．ThebestcombinationofPIDcontrolisrealizedbythearbitrarilynonlinearexpressingabilityofBPneuralnetworkandthestudyofsystemproperty．Keywords:BPneuralnetwork,PIDcontrolPID控制适用于可建立精确数学模型的确定性系统，然而（3）O（k）＝k1p实际工业生产过程往往具有非线性、时变不确定性，难以建立精（3）O（k）＝k2i确的数

3、学模型，在实际生产中，常规PID控制器参数往往整定不（3）O（k）＝k（4）良、性能欠佳，对运行工况的适应性很差。在PID控制器设计中，3d寻找合适的控制算法来实现Kp、Ki、Kd参数的整定至关重要。输出层输出节点分别对应三个可调参数Kp，Ki，Kd。由于Kp，BP神经网络是目前应用较多的一种神经网络结构，能够实现输Ki，Kd不能为负值，所以输出层神经元的活化函数取非负的入输出的非线性映射关系，具有很好的逼近非线性映射的能力，Sigmoid函数：x因此神经网络在运用于工业控制时具有其独特的优势。本文在1eg（x）＝（1＋tanh（x））＝（5）2x

4、x研究了基于神经网络的控制器结构和算法的基础上，用改进共e＋e12扼梯度算法对神经网络控制器参数进行在线整定。仿真结果表取性能指标函数为：E（k）＝（rin（k）－yout（k））（6）2明，这种改进方案不仅能够提高算法在训练过程中的收敛速度，按照梯度下降法修正网络的权系数，即按E（k）对加权系数而且训练后的神经网络具有较强的自适应和自学习能力，对控的负梯度方向搜索调整，并附加一个使搜索快速收敛全局极小制器参数实现在线整定，从而进一步提高了控制器的性能。的惯性项：1基本的BP神经网络（3）鄣E（k）（3）△w（k）＝－η＋α△w（k－1）（7）本文

5、研究采用三层BP神经网络结构，其结构如图1所示。li（3）li鄣wli式中，η为学习速率；α为惯性系数。经典增量式数字PID的控制算法为：u（k）＝u（k－1）＋△u（k）△u（k）＝k（error（k）－error（k－1）＋kerror（k）＋k（error（k）－2errorpid（k－1）＋error（k－2））（8）由（4）式和（8）式求得：鄣△u（k）＝error（k）－error（k－1）（3）图1三层BP神经网络结构鄣O1（k）网络输入层的输入为：鄣△u（k）＝error（k）（3）（1）鄣O（k）O＝x（j）（j＝1，2，…，M）

6、（1）2j鄣△u（k）式中，输入变量的个数M取决于被控系统的复杂程度。＝error（k）－2error（k－1）＋error（k＋2）（9）（3）鄣O（k）网络隐含层的输入、输出为：3M上述分析可得网络输出层权的学习算法为：（2）（2）（1）neti（k）＝ΣwijOj（3）（3）（3）（2）j＝0△w（k）＝α△w（k－1）＋ηδO（k）lilili（2）（2）O（k）＝f（net（k））（i＝1，2，…，Q）（2）（3）鄣y（k）鄣△u（k）（3）iiδ＝error（k）sgn（）g（net（k））（l＝1，2，3）（10）i鄣△u（3）l（2

7、）（k）鄣O（k）l式中，w为隐含层加权系数；上角标（1）、（2）、（3）分别代ij隐含层加权系数的学习算法：表输入层、隐含层和输出层。（2）（2）（2）（1）△w（k）＝α△w（k－1）＋ηδO（k）ijijij隐层神经元的活化函数取正负对称的Sigmoid函数：3xx（2）（2）（3）f（x）＝tanh（x）＝e－e（3）δi＝f＇（neti（k））Σδli（k）（i＝1，2，…，Q）（11）xxl＝1e＋e2式中，g＇（·）＝g（x）（1－g（x）），f＇（·）＝（1－f（x））／2。网络输出层的输入输出为：Q2基于BP网络的PID控制器（3

8、）（3）（2）netl（k）＝ΣwliOi（k）该控制器控制算法归纳如下：i＝0（3）31）确定BP网络的结构，即确定输入