基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)型參數(shù)整定的智能PID控制研究.pdf

1、PID控制以其結(jié)構(gòu)簡單、可靠性高、易于工程實(shí)現(xiàn)等優(yōu)點(diǎn)至今仍被廣泛應(yīng)用。在系統(tǒng)模型參數(shù)變化不大的情況下，PID控制性能優(yōu)良。但隨著現(xiàn)代工業(yè)的發(fā)展，工業(yè)生產(chǎn)過程往往具有非線性、不確定性，難以建立精確的數(shù)學(xué)模型，應(yīng)用常規(guī)的PID控制器難以達(dá)到理想的控制效果。 人工神經(jīng)網(wǎng)絡(luò)ANN（ArtificialNeuralNetwork）具有自學(xué)習(xí)、自適應(yīng)和自組織的能力，將ANN與傳統(tǒng)的PID控制結(jié)合，構(gòu)成智能型的神經(jīng)網(wǎng)絡(luò)PID控制器。它不需建立

2、精確的數(shù)學(xué)模型，能夠自動(dòng)辨識被控過程參數(shù)、自動(dòng)整定控制參數(shù)、適應(yīng)被控過程參數(shù)的變化，是解決傳統(tǒng)PID控制器參數(shù)整定難、不能實(shí)時(shí)調(diào)整參數(shù)和魯棒性不強(qiáng)的有效措施。 本文主要做了兩部分工作：首先，對傳統(tǒng)的PID控制算法進(jìn)入深入分析，針對系統(tǒng)對積分項(xiàng)的要求，偏差大時(shí)積分作用應(yīng)該減弱，偏差小時(shí)應(yīng)該加強(qiáng)?；谶@一思想，對PID控制算法進(jìn)行改進(jìn)，在變速積分的基礎(chǔ)上提出了彈性積分PID算法，仿真研究表明該算法有利于系統(tǒng)的穩(wěn)定。其次，重點(diǎn)研究了B

3、P神經(jīng)網(wǎng)絡(luò)PID控制器。在BP算法中，初始權(quán)值的選擇對于局部極小點(diǎn)的防止和網(wǎng)絡(luò)收斂速度的提高均有一定程度的影響，如果初始權(quán)值范圍選擇不當(dāng)，學(xué)習(xí)過程一開始就可能出現(xiàn)“假飽和”現(xiàn)象，甚至進(jìn)入局部極小點(diǎn)，網(wǎng)絡(luò)根本不收斂。因此，利用粒子群優(yōu)化算法PSO具有全局搜索的優(yōu)點(diǎn)對BP網(wǎng)絡(luò)的初始權(quán)值進(jìn)行優(yōu)化，避免了可能出現(xiàn)的收斂速度慢，存在局部極小點(diǎn)等問題。針對粒子群算法的早熟現(xiàn)象，將變異思想引入到粒子群算法中，并將改進(jìn)的IPSO-BP混合算法用于對神經(jīng)