神经网络PID控制算法的MATLAB仿真及其在环境控制中的应用(2)

南林林业大学毕业设计（论文）

第一章 绪论

引言

从二十世界四十年代以来，传统的控制理论得到了快速的发展。并且形成完整和具体的理论体系，同时在工业生产中得到了广泛的运用。近几十年，为了解决航天、军事、工业、社会系统等复杂的控制任务，控制理论以不可想象的速度飞快的发展起来，经历现代控制理论和大系统理论两个重要的的发展阶段，但是，它对精确数学模型的依赖性，使其应用受到了很大的限制。无论是现代控制理论还是大系统，其分析、综合和设计都是建立 在严格和精确的数学模型基础之上的。而在科学技术和生产力水平高速发展的今天，人们对大规模、复杂和不确定性系统实行自动控制的要求不断提高。因此，传统的基于精确数学模型的控制理论的局限性日益明显。为了更好的适应时代的发展和技术要去，我们转向更加实用的PID控制。PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好及可靠性高，被广泛应用与过程控制和运动控制中，尤其适用于可建立精确数学模型的确定性系统。然而常规PID控制器不能达到理想的控制效果，而且在实际生产现场中，由于受到参数整定方法繁杂的困扰，常规PID控制器参数往往整定不良、性能欠佳，对运动工况的适应性很差。为了克服常规PID控制的弱点，控制界已经提出了大量的对PID控制的改进方案，例如自校正PID控制、广义预测PID控制、模糊PID控制、专家PID控制、智能PID控制等等。以上各种方案的理论依据不同，采用手段也不相同，但是它们的共同点都是正对如何选取和整定PID参数，都是在保持传统PID控制器结构的基础上，采用新的方法在线或离线确定PID参数，这些方法在一定程度上提高了PID控制器的性能，但这些方案一般是针对某些具体问题，缺乏通用性，附加的结构或算法也增加了控制器的复杂性，使它们的广泛应用受到限制。但是，随着神经元网络的研究和应用，人们开始采用神经元网络和PID控制相结合，以便改进传统PID控制的性能，这种研究已经取得了一些成果。

1.1课题研究背景

不管是神经网络还是pid控制技术，都是有国外的技术传入中国。国外在这方面科技要先进与中国。但是不管这样，神经网络仍然出于理论型研究范围，这方面都是比较理论。神经网络系统理论的发展是不平衡的。神经网络发展的第一次热潮是自1943年M-P模型

- 5 -

南林林业大学毕业设计（论文）

开始的，至该世纪60年代为止，这一段时间可以称为神经网络系统理论发展初期阶段，这个时期的主要特点是多种网络的模型的产生与学习算法的确定，如1944年Hebb学习规则，该规则至今仍是神经网络学习算法的一个基本规则；1957年Rosenblantt提出了感知器（Perceptron）模型；1962年Widrow提出了自适应（Adaline）线性元件模型等。这些模型和算法在很大程度上丰富了神经网络系统理论。第二次热潮是1982年，在美国国家科学院的刊物上发表了著名的Hopfield模型理论，这是一个非线性动力系统的理论模型，它引起了各国学者的关注，并力图将这一数学模型进行电子学或者光学的硬件实现，这就形成了人工神经网络的研究队伍。迄今为止的神经网络研究大体可分为三大方向。1,）探究人脑神经系统的生物结构和机制，这实际上是神经网络理论的初衷。2）用微电子学或者光学器件形成特殊功能网络，这主要是新一代计算机制造领域所关注的问题。3）将神经网络理论作为一种解决某些问题的手段和方法，这些问题在利用传统方法时或者无法解决，或者在具体处理计划上尚存困难。

目前国内PID控制及其控制器或智能PID控制器（仪表）已经很多，产品已在工程实际中得到了广泛的应用，有各种各样的PID控制器产品，各大公司均开发了具有PID参数自整定功能的智能调节器 (intelligent regulator），其中PID控制器参数的自动调整是通过智能化调整或自校正、自适应算法来实现。有利用PID控制实现的压力、温度、流量、液位控制器，能实现PID控制功能的可编程控制器(PLC），还有可实现PID控制的PC系统等等。可编程控制器（PLC) 是利用其闭环控制模块来实现PID控制，而可编程控制器（PLC）可以直接与ControlNet相连，如Rockwell的PLC-5等。还有可以实现 PID控制功能的控制器，如Rockwell 的Logix产品系列，它可以直接与ControlNet相连，利用网络来实现其远程控制功能。

1.2课题研究意义

在深入的了解了神经网络与PID的发展历史和目前的发展状况，我更加觉得我研究的这个课题具有重要的意义。

一、 感知模式识别

神经网络进过调试可有效提出信号、语音、图像、声纳等感知模式的特征，并能解决现有启发性模式识别系统不能很好解决的不变量探索、自适应、抽象概括等

- 6 -

南林林业大学毕业设计（论文）

问题，神经网络已在遥感、医学图像分析、计算机视觉、语音识别、计算机输入装置等方面有了新的应用。 二、 具有容错和容差能力。

每个神经元和每个连接对阿络的整体功能的贡献是微小的．以致于少量神经元和连接发生故摩对同络功能影响很小。此外．神经元激活函数的“压扁特性又高概率地把这种影响压缩到最低限度．从而使整个同络具有稷强的鲁棒性(硬件容错性)。另一方面．输入向量中每个分量对同络输出的贡献是散小的．以致于少量分量有偏差对同络输出影响很小。同时，激活函数的“压扁 特性把这种影响进一步压缩到最低限度．使整个同络具有很强的容差能力 。

三、 神经网络在工作时具有高速度和潜在的超高速。

神经网络体系结构上的两大特性——数据处理的超大规摸并行性和数据存储的分布性—— 完全消除丁冯·诺依曼体系结掏中存在的 处理器一存储器瓶颈”．从而在工作时具有高速度 另一方面．一旦用VLSI技术或(和)光学技术实现了神经同络(这是可能的)．神经同络的工作过程就成为实际系统的状态演化过程．就可以充分利用底层硬件的超高速。

四、 PID神经元对现有神经元类型的补充和完善

目前应用较多的神经元模型，一般只考虑了神经元的静态特性，只把神经元看作是一具有静态输入-输出映射关系的单元，只能处理静态信息。对于动态信息处理，一般只是通过神经元网络的互联方式的动态结构进行。PID神经元中，不仅有具备静态非线性映射功能的比例元，还有可处理动态信息的积分元和微分元。PID神经元即具有一般神经元的共性，有具备着不同的特征，尤其是积分元和微分元的引入，使作为数学基石的微积分概念同神经元网络的基本单元融为一体，增强了神经元处理信息的能力，充实和完善了神经元的种类和内涵，将使神经元网络的行为更加丰富多样化。

1.3课题目前研究现状

近年来，随着神经网络的研究和应用，人们开始采用神经元网络和PID控制相结合，

- 7 -

南林林业大学毕业设计（论文）

以便改进传统PID控制的性能，这种将神经元网络和PID控制相结合的研究已经得到了一些成果。

目前已经提出的神经元网络和PID控制相结合的方法可以归结为两类型：一、采用神经元网络确定PID参数；二、单神经元结构PID控制器。这两种类型分别具有各自的特点和不足之处，如下所述：

1．

采用神经元网络确定PID参数

这种方法和上述其他改进方案的出发点类似，是在传统的PID控制器的基础上符合一个或者多个神经元网络，利用神经元网络的学习功能确定和调整PID参数，其结构如图所 …… 此处隐藏：2613字，全部文档内容请下载后查看。喜欢就下载吧 ……