神经网络PID控制算法的MATLAB仿真及其在环境控制中的应用(10)

南林林业大学毕业设计（论文）

致 谢

毕业设计是将大学期间所学的运用到了实际生产、生活中去的一个具有创造性的过程。所以不可避免的会遇到许多的困难。幸好身边有老师同学们的帮助和鼓励，使我的设计工作能够顺利的进行下去，以致今日能够圆满的完成整个毕业设计。所以在这里，我要向曾经给予过我帮助和鼓励的所有人表示感谢。

首先要感谢学校的领导能给我这次机会，使我在离开学校之前能有一次比较全面的锻炼。以后无论是在某个工作岗位上还是在学校继续深造，都会受益良多。

其次要感谢我的指导老师褚燕红老师。她虽然工作繁忙，依然从百忙中抽时间帮助我分析问题、解决问题。

最后要感谢我的同学们，在我的设计出现问题时，大家总会放下手中的工作来和我一同研究和讨论，使我从中学到不少有用的知识。

- 45 -

南林林业大学毕业设计（论文）

参考文献：

[1] 刘金琨.先进PID控制MATLAB仿真（第二版）[M].北京：电子工业出版社,2004．

[2] 李建国．智能预测控制及其MATLAB实现（第2版）[M]．北京：电子工业出版社．2010.

[3] 飞思科技产品研发中心．神经网络理论与MATLAB7实现[M]．北京：电子工业出版社．2005. [4]舒怀林.PID神经元网络及其控制系统[M].北京:国防工业出版社.2006.

[5] 彭燕. 基于BP神经网络的PID控制在温室控制系统中应用．农机化研究，2011，06-01163-05. [6] 李泉溪，孙朕，程凌雪. 基于BP神经网络的PID在压延机温度控制系统中的应用. 科学技术与工

程,2011，09.

[7] 李凯,左文香,刘喜荣. 神经网络PID控制器在温度控制中的应用.河北工业科技,2000(9). [8] 曾军，方厚辉. 神经网络PID控制及其MATLAB仿真.现代电子技术,2004年第2期.

- 46 -

南林林业大学毕业设计（论文）

附录：仿真程序

%BP based PID Control clear all; close all;

xite=0.25; alfa=0.05;

S=2; %Signal type

IN=4;H=5;Out=3; %NN Structure if S==1 %Step Signal

wi=[-0.6394 -0.2696 -0.3756 -0.7023; -0.8603 -0.2013 -0.5024 -0.2596; -1.0749 0.5543 -1.6820 -0.5437; -0.3625 -0.0724 -0.6463 -0.2859; 0.1425 0.0279 -0.5406 -0.7660]; %wi=0.50*rands(H,IN); wi_1=wi;wi_2=wi;wi_3=wi;

wo=[0.7576 0.2616 0.5820 -0.1416 -0.1325; -0.1146 0.2949 0.8352 0.2205 0.4508; 0.7201 0.4566 0.7672 0.4962 0.3632]; %wo=0.50*rands(Out,H); wo_1=wo;wo_2=wo;wo_3=wo; end

if S==2 %Sine Signal

wi=[-0.2846 0.2193 -0.5097 -1.0668; -0.7484 -0.1210 -0.4708 0.0988;

- 47 -

南林林业大学毕业设计（论文）

-0.7176 0.8297 -1.6000 0.2049; -0.0858 0.1925 -0.6346 0.0347; 0.4358 0.2369 -0.4564 -0.1324]; %wi=0.50*rands(H,IN); wi_1=wi;wi_2=wi;wi_3=wi;

wo=[1.0438 0.5478 0.8682 0.1446 0.1537; 0.1716 0.5811 1.1214 0.5067 0.7370; 1.0063 0.7428 1.0534 0.7824 0.6494]; %wo=0.50*rands(Out,H); wo_1=wo;wo_2=wo;wo_3=wo; end

x=[0,0,0];

u_1=0;u_2=0;u_3=0;u_4=0;u_5=0; y_1=0;y_2=0;y_3=0;

Oh=zeros(H,1); %Output from NN middle layer I=Oh; %Input to NN middle layer error_2=0; error_1=0;

ts=0.001; for k=1:1:6000 time(k)=k*ts; if S==1 rin(k)=1.0; elseif S==2

rin(k)=sin(1*2*pi*k*ts); end

%Unlinear model

a(k)=1.2*(1-0.8*exp(-0.1*k)); yout(k)=a(k)*y_1/(1+y_1^2)+u_1;

- 48 -

南林林业大学毕业设计（论文）

error(k)=rin(k)-yout(k);

xi=[rin(k),yout(k),error(k),1];

x(1)=error(k)-error_1; x(2)=error(k);

x(3)=error(k)-2*error_1+error_2;

epid=[x(1);x(2);x(3)]; I=xi*wi'; for j=1:1:H

Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j))); %Middle Layer end

K=wo*Oh; %Output Layer for l=1:1:Out

K(l)=exp(K(l))/(exp(K(l))+exp(-K(l))); %Getting kp,ki,kd end

kp(k)=K(1);ki(k)=K(2);kd(k)=K(3); Kpid=[kp(k),ki(k),kd(k)];

du(k)=Kpid*epid; u(k)=u_1+du(k);

if u(k)>=10 % Restricting the output of controller u(k)=10; end

if u(k)<=-10 u(k)=-10; end

dyu(k)=sign((yout(k)-y_1)/(u(k)-u_1+0.0000001));

%Output layer for j=1:1:Out

dK(j)=2/(exp(K(j))+exp(-K(j)))^2; end

- 49 -