欢迎光临钟爱文库,如需获取更多资料请使用搜索功能。
钟爱文库
当前位置:首页 » 工程科技 » 信息与通信 » 正文

基于神经网络的温度控制系统

本科毕业设计(论文)基于神经网络的温度控制系统学 专院 业自 动 化 自 动 化年级班别 学 号学生姓名 指导老师2013 年 6 月

基于神经网络的温度控制系统

摘要在工业控制过程中.PID 控制是一种最基本的控制方式,其鲁棒性好、结构简单、 易于实现,但随着生产工艺的日益复杂和人们对工业过程总体性能要求的不断提高,传 统的 PID 控制方法往往难以满足闭环优化控制的要求。

因为常规 PID 控制器的参数是根 据被控对象数学模型确定的.当被控对象的数学模型是变化的、非线性的时候,PID 参 数不易根据其实际的情况做出调整,影响了控制质量,使控制系统的控制品质下降。

特 别是在具有纯滞后特性的工业过程中,常规的 PID 控制更难满足控制精度的要求。

而神 经网络作为现代信息处理技术的一种,正在很多应用中显示了它的优越性,同传统的 PID 控制相比较,神经网络 PID 控制有许多优点。

神经网络 PID 控制技术在其中扮演了 十分重要的角色,并且仍将成为未来研究与应用的重点技术之一。

本文阐述了神经网络 PID 控制算法的基本原理。

对基于单神经元的 PID 控制器的 控制性能进行了分析,并且利用 MATLAB/Simulink 工具进行了仿真研究。

温度控制系统具有大滞后、强耦合、慢时变及非线性等特征的复杂系统。

在温度控 制系统中,被控制对象存在着参数的不确定性和纯滞后等特性,难于建立其精确的数学 模型,本文通过对受控对象温度控制系统的数字仿真研究,比较了传统 PID 控制与神经 网络 PID 控制各自不同的控制特性,分析了传统 PID 控制器和神经网络 PID 控制器的 优缺点。

并针对神经网络 PID 控制器的不足之处提出了相应的改进方案。

关键词:神经网络 PID 控制,数字仿真,Hebb 算法,BP 算法注:本设计(论文)题目来源于教师的国家级(或部级、省级、厅级、市级、校级、企业)科研项 目,项目编号为: 。

基于神经网络的温度控制系统

AbstractIn the process of industrial control. PID control is one of the most basic way of control, its good robustness, simple structure, easy to implement, but along with the increasing complexity of production process and constantly improve the overall performance requirements of industrial process, the traditional PID control method is often difficult to meet the requirements of the closed-loop optimal control. For conventional PID controller parameters are determined based on the mathematical model of the object. When the mathematical model of controlled object is variable, nonlinear, not easily according to the actual situation to adjust the PID parameters, the influence of quality control, the control quality of control system. Especially in the industrial process with pure lag properties, conventional PID control is more difficult to meet the requirements of control accuracy. And neural network as a kind of modern information processing technology, is a lot of applications shows its superiority, compared with the traditional PID control, the neural network PID control has many advantages. Neural network PID control technology played a very important role, and will continue to be one of the research and application of key technologies in the future. This paper expounds the basic principles of neural network PID control algorithm. Based on single neuron PID controller the control performance is analyzed, and the use of MATLAB/Simul ink tool has carried on the simulation research. Temperature control system with large lagging, strong coupling, time-varying and nonlinear characteristics of complex systems. In temperature control system, the controlled object parameter uncertainties exist and pure lag and so on characteristics, is difficult to establish accurate mathematical model, this paper research on the digital simulation of the temperature control system of controlled object, compares the traditional PID control and neural network PID control their different control features, analyzes the advantages and disadvantages of traditional PID controller and neural network PID controller. And in view of the deficiency of neural network PID controller is put forward the corresponding improvement plan.Key words: Neural PID Control, Digital simulation, Hebb Arithmetic, Arithmetic BP

基于神经网络的温度控制系统

目1 绪录论 .................................................................................................................................. 11.1 神经网络 PID 控制研究背景与动机 ........................................................................ 1 1.2 智能控制的发展概况 ................................................................................................ 2 1.3 神经网络简介 ............................................................................................................ 5 1.3.1 神经网络发展概述 ...................................................................................... 5 1.3.2 神经网络原理 .............................................................................................. 7 1.3.3 神经网络的分类 ........................................................................................ 12 1.3.4 神经网络的学习算法 ................................................................................ 13 1.3.5 神经网络用于控制领域 ............................................................................ 14 1.3.6 神经网络 PID 控制研究的意义和现状 .................................................... 15 1.4 本文的主要内容 ..................................................................................................... 17 2 神经网络 PID 控制器的实现 ............................................................................................ 18 2.1 基于神经网络的 PID 控制理论 ............................................................................. 18 2.2 基于单神经元的 PID 控制 ................................................................................... 192.2.1 基于单神经元的 PID 控制器 ..................................................................... 19 2.2.2 单神经元 PID 控制器的稳定性分析 ......................................................... 23 3 基于 Simulink 的仿真研究 ............................................................................................... 24 3.1 温度控制箱的数学建模 .......................................................................................... 24 3.2 传统 PID 控制器的设计与仿真 ........................................................................... 26 PID 控制算法 .......................................................................................... 26 数字 PID 控制器 ...................................................................................... 283.2.1 3.2.23.2.3 常规 PID 控制器的局限性 ......................................................................... 29 3.2.4 温控箱基本 PID 控制器的数字设计与仿真 ............................................. 29 3.3 单神经元 PID 控制器的设计与仿真 ...................................................................... 33 3.3.1 单神经元 PID 控制系统的建立 ................................................................. 33 3.3.2 单神经元 PID 控制系统的数字仿真 ......................................................... 34 4 结论与展望 ........................................................................................................................ 37 4.1 工作总结 .................................................................................................................. 37

基于神经网络的温度控制系统

4.2 展望 .......................................................................................................................... 37 参 考 文 献 ............................................................................................................................ 39 致 谢 ........................................................................................................................................ 41

基于神经网络的温度控制系统

11.1 神经网络 PID 控制研究背景与动机绪论PID 控制即比例、积分、微分控制。

传统的 PID 控制器由于其结构简单、实用、价 格低、易于调整,以及特别适用于可建立精确的数学模型确定性控制系统等优点,在广 泛的过程领域内可以实现满意的控制,因此至今在工业生产控制中相当部分控制过程还 都是采用 PID 的控制策略。

在 PID 控制中一个至关重要的问题是参数(比例、积分、微 分)的整定,典型的 PID 控制参数的整定方法是在获取对象数学模型的基础上,根据一 定的整定原则来确定 PID 控制参数[1]。

另一方面,在实际的应用中,许多被控过程的机理复杂,具有高度非线性、时变不 确定性和纯滞后等一系列特点。

PID 控制其缺点就是现场的 PID 参数整定麻烦, 在噪声、 负载扰动或变化等因素的影响下,过程参数甚至模型结构均会随时间和工作环境的变化 而产生变化,被控对象的模型参数将难以确定,外界的干扰会使原本的控制漂离最佳状 态。

这时采用传统的 PID 控制就不能取得令人满意的控制效果。

建立被控对象数学模型是相当复杂的事情,在建立过程中常常需要忽略系统中某些 认为不重要的参数,或将系统降阶或将系统以线性化近似,以此简化分析难度。

因此, 最后所得到的数学模型,即使可快速且精确地算出控制量,但与实际的物理系统可能出 现相当大的差距,容易与实际脱节,导致出现性能不佳的控制[2]。

基于以上方面的考虑, 本文将采用数字仿真方式来实现对受控对象(温度控制箱)的 温度控制的研究工作。

在数字仿真中,通过建立受控对象的数学模型,设计出相应的控 制器,由此能够得到较为理想的控制效果,而在实时控制过程中仍然需要对控制器的各 个参数进行调整,才能满足控制要求。

人工神经网络(ANN)作为智能控制的一个重要分支领域,是当前主要的、也是重 要的一种人工智能技术, 是一种采用数理模型的方法模拟生物神经细胞结构及对信息的 记忆和处理而构成的信息处理方法。

人工神经网络以其高度的非线映射,自组织、自学 习和联想记忆等功能,可对复杂的非线性系统建模。

因此将 ANN 与传统的 PID 控制结 合,构成智能型的神经网络 PID 控制器,能够自动辨识被控过程参数、自动整定控制参1

基于神经网络的温度控制系统