中文翻譯--神經(jīng)網(wǎng)絡(luò)PID在溫度控制系統(tǒng)中的研究與仿真

1、神經(jīng)網(wǎng)絡(luò)PID在溫度控制系統(tǒng)中的研究與仿真摘要：本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)的新型智能PID控制方法和一些BP神經(jīng)網(wǎng)絡(luò)的基本概念。同傳統(tǒng)的PID控制相比較，神經(jīng)網(wǎng)絡(luò)智能PID控制有許多優(yōu)點(diǎn)。把BP神經(jīng)網(wǎng)絡(luò)的PID控制方法應(yīng)用到工業(yè)領(lǐng)域的溫度控制系統(tǒng)中，仿真結(jié)果表明：這種控制方法具有較高控制精度和較強(qiáng)的適應(yīng)性以及良好的控制效果。關(guān)鍵詞 ： 神經(jīng)網(wǎng)絡(luò) ，PID控制器 ，溫度控制系統(tǒng)1 引言 在工業(yè)控制過程中，PID控制是一種最基本的控制方式 ，其魯棒性好、結(jié)構(gòu)簡單、易于實(shí)現(xiàn)，但常規(guī)的PID控制也有其自身的缺點(diǎn)，因?yàn)槌Ｒ?guī)PID控制器的參數(shù)是根據(jù)被控對(duì)象數(shù)學(xué)模型確定的，當(dāng)被控對(duì)象的數(shù)學(xué)模型是變化的、非

2、線性的時(shí)候，PID參數(shù)不易根據(jù)其實(shí)際的情況做出調(diào)整，影響了控制質(zhì)量，使控制系統(tǒng)的控制品質(zhì)下降。特別是在具有純滯后特性的工業(yè)過程中，常規(guī)的PID控制更難滿足控制精度的要求。由于神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、自適應(yīng)的能力，本文提出基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器，使人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)PID控制相結(jié)合互相補(bǔ)充，共同提高控制質(zhì)量，并把該方法在溫度控制系統(tǒng)中用Matlab語言進(jìn)行了仿真應(yīng)用。2 BP神經(jīng)網(wǎng)絡(luò)的模型構(gòu)成及算法2.1 BP神經(jīng)網(wǎng)絡(luò)的模型構(gòu)成B P神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程主要由兩個(gè)階段構(gòu)成：第一階段（正向傳播過程），輸入信號(hào)通過輸入層，經(jīng)過隱含層逐層處理，在輸出層計(jì)算出每個(gè)神經(jīng)元的實(shí)際輸出值。第二階段(

3、誤差反向傳播過程)，如果在輸出層未得到期望的輸出值，則逐層遞推地計(jì)算實(shí)際輸出與期望輸出的差值，并且根據(jù)這個(gè)誤差調(diào)節(jié)權(quán)系數(shù)。 2.2神經(jīng)網(wǎng)絡(luò)PID控制器的構(gòu)成及算法 在傳統(tǒng)的PID控制中，經(jīng)典增量式PID的控制形式： u(k)=u(k-1)+e(k)-e(k-1)+e(k)+e(k)-2e(k-1)+e(k-2) K ：比例系數(shù) = ：積分系數(shù) ：微分系數(shù) 建立BP神經(jīng)網(wǎng)絡(luò)PID控制器結(jié)構(gòu)： NNPIDPlantArithmeticr(k) e(k) u(k) y(k) + _ 為了達(dá)到自適應(yīng)調(diào)節(jié)目的，輸出層為三個(gè)神經(jīng)元，分別對(duì)應(yīng)。輸入層、隱含層的神經(jīng)元的數(shù)目根據(jù)被控對(duì)象的復(fù)雜性固定下來。隱含層

4、采用的激活函數(shù)為正負(fù)對(duì)稱的sigmoid函數(shù)： 輸出層的激活函數(shù)采用非負(fù)的sigmoid函數(shù)： 我們假定， 是輸出層的輸出，它們分別對(duì)應(yīng)于，。我們?nèi)⌒阅苤笜?biāo)函數(shù)為： 當(dāng)實(shí)際輸出與期望輸出之間存在偏差時(shí)，則誤差反向傳播。反向傳播的實(shí)質(zhì)就是通過調(diào)整權(quán)系數(shù)使偏差最小，因此可以利用最速下降法，按誤差函數(shù)的負(fù)梯度方向?qū)Ω鲗由窠?jīng)元權(quán)系數(shù)進(jìn)行調(diào)整修正。則有： = - ：學(xué)習(xí)速率 ：動(dòng)量項(xiàng)由鏈法則可得： = =-e(k+1) 其中： =1, 2 ,3因此可以得到BP神經(jīng)網(wǎng)絡(luò)的輸出層權(quán)系數(shù)的計(jì)算公式： 其中： 由于在PID控制算法中一般情況下是未知的，可以用符號(hào)函數(shù)來取代，并通過調(diào)整來修正誤差。同理可得到隱含層

5、權(quán)系數(shù)計(jì)算公式： 其中： 在上面各式中，上角標(biāo) （1）、（2）、（3）分別表示輸入層、隱含層、輸出層、 ：輸出層神經(jīng)元個(gè)數(shù)：隱含層神經(jīng)元個(gè)數(shù)：輸入層神經(jīng)元個(gè)數(shù) 綜上所述可以得到BP神經(jīng)網(wǎng)絡(luò)的控制算法：（1） 確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，初始化各層權(quán)系數(shù)?？刂屏?、輸出量、誤差的初值取0。（2） 對(duì)系統(tǒng)進(jìn)行采樣，得到、。計(jì)算得到誤差。然后根據(jù)增量式PID算式把誤差分量作為輸入層的輸入。（3） 根據(jù)各層權(quán)系數(shù)正向計(jì)算BP神經(jīng)網(wǎng)絡(luò)各層的輸入、輸出。輸出層分量分別為K、K、K。根據(jù)增量式PID算式可以得到控制器的輸出。（4） 將作為BP神經(jīng)網(wǎng)絡(luò)的監(jiān)督信號(hào)，進(jìn)行BP算法的反向傳播。在線根據(jù)輸出層、隱含層的學(xué)習(xí)算法調(diào)整各層的權(quán)系數(shù)，使PID系數(shù)達(dá)到自適應(yīng)調(diào)整。（5） 返回到（2）。3 .在溫度控制系統(tǒng)中的仿真實(shí)驗(yàn) 在工業(yè)生產(chǎn)過程中，控制的生產(chǎn)過程各種各樣，常常要對(duì)像溫度過程這樣的純滯后的過程進(jìn)行控制。設(shè)被控的溫度控制過程的傳遞函數(shù)為： 仿真結(jié)果如下圖所示： 圖1 圖2 圖(1)為常規(guī)的PID控制，圖(2)為BP神經(jīng)網(wǎng)絡(luò)PID控制。從圖中我們可以看到常規(guī)的PID控制所產(chǎn)生的超調(diào)量和過渡時(shí)間比BP神經(jīng)網(wǎng)絡(luò)PID控制所產(chǎn)生的超調(diào)量和過渡時(shí)間大得多，由此可以看出BP神經(jīng)網(wǎng)絡(luò)PID控制具有較強(qiáng)的自適應(yīng)性和較高的控制精度。4 .結(jié)束語本文根BP神經(jīng)網(wǎng)絡(luò)的控制算法對(duì)純滯后的溫度控制系統(tǒng)進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)