论文部分内容阅读
PID控制器问世至今已有近70年历史,它以结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。随着工业的发展,被控对象的复杂程度不断加深,尤其对于非线性的复杂系统,常规PID控制显得无能为力,因此常规PID控制的应用受到很大的限制和挑战。神经网络在控制系统中的应用提高了整个系统的信息处理能力和适应能力以及系统的智能水平。此外,神经网络具有逼近任意连续有界非线性函数的能力,与常规PID控制结合构成神经网络PID控制器,对于非线性系统和不确定性系统,无疑是一种解决问题的有效途径。本文主要运用神经网络学以及控制理论知识,深入研究了神经网络PID控制器,针对神经网络PID控制器的设计主要做了以下工作:首先简要介绍了神经网络的理论基础和神经网络的学习方法,针对常规PID控制器对于复杂的、动态的和不确定的控制系统还存在着许多不足之处进行了分析,为了达到改善常规PID控制器在复杂的、动态的和不确定的控制系统中还存在着许多不足之处的目的,文中系统的提出了五种改进方式。其次,本文主要研究了神经网络PID控制器。神经网络具有较强的非线性映射能力、自学习能力、联想记忆能力、并行信息处理方式及优良的容错性能,利用神经网络对常规PID控制器进行改进后,对于工业控制中的复杂控制系统有着更好的控制效果,有效地改善了由于系统结构和参数变化导致的控制效果不理想。文中深入研究了基于神经网络的神经元PID控制器、BP算法神经网络PID控制器,并针对BP算法在应用时易陷入局部极小点、学习时间长,甚至达不到学习目的这一现象提出改进共轭梯度算法、对BP神经网络进行改进的组合优化神经网络PID控制器。最后,对常规PID控制器和神经网络PID控制器进行了仿真比较,仿真结果表明,应用神经网络对常规PID控制器进行改进后提高了系统的鲁棒性和动态特性,有效地改善了系统的控制效果,达到了预期的目的。