【正文】 態(tài)響應(yīng)速度，減少調(diào)整時間，從而改善系統(tǒng)的動態(tài)性能。 因此，控制器的關(guān)鍵問題是如何選擇比例、積分、微分系數(shù)，而這些參數(shù)的整定的困難使PID控制器的應(yīng)用受到限制。這就是說，在控制器中僅引入 “比例”項往往是不夠的，比例項的作用僅是放大誤差的幅值，而目前需要增加的是“微分項”，它能預測誤差變化的趨勢，這樣，具有比例+微分的控制器，就能夠提前使抑制誤差的控制作用等于零，甚至為負值，從而避免了被控量的嚴重超調(diào)。 在微分（D）控制中，控制器的輸出與輸入誤差信號的微分（即誤差的變化率）成正比關(guān)系。為了消除穩(wěn)態(tài)誤差，在控制器中必須引入“積分項”。其控制器的輸出與輸入誤差信號成比例關(guān)系。本章主要介紹PID控制的基本原理、數(shù)字PID控制算法及其改進和幾種常用的數(shù)字PID控制系統(tǒng)。采用BP網(wǎng)絡(luò)不但可以加快學習速率并減少震蕩，而且能夠?qū)崿F(xiàn)神經(jīng)網(wǎng)絡(luò)和PID控制規(guī)律的本質(zhì)結(jié)合。PID控制是最早發(fā)展起來的控制策略之一，但應(yīng)用常規(guī)PID控制器對于具有非線性、時變不確定的系統(tǒng)，無法達到理想的控制效果。PID控制是工業(yè)過程控制中最常見的一種控制方法，這是因為PID控制器結(jié)構(gòu)簡單，實現(xiàn)容易，且能對相當一些工業(yè)對象(或者過程)進行有效的控制。盡管這些年來，神經(jīng)網(wǎng)絡(luò)理論及其應(yīng)用研究取得了可喜的進步，但是應(yīng)該看到，神經(jīng)網(wǎng)絡(luò)的理論仍有許多缺陷，尚待進一步發(fā)展與完善。此外，HNN的電子電路實現(xiàn)為神經(jīng)計算機研究奠定了基礎(chǔ)，同時開拓了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計算的新途徑，引起了工程技術(shù)界的普遍關(guān)注，從而掀起了神經(jīng)網(wǎng)絡(luò)研究的又一次熱潮。但是此后隨著研究的深入，人們在應(yīng)用和實現(xiàn)方面遇到了一時難以解決的難題。1949年心理學家Hebb提出了改變神經(jīng)元連接強度的Hebb規(guī)則。給我們提供了較好的理論依據(jù)，以便更好的研究。一般只有到了控制系統(tǒng)設(shè)計的最后階段——系統(tǒng)調(diào)試階段，才有可能進行實際系統(tǒng)實驗。 智能控制是一類無需人的干預就能夠獨立的驅(qū)動智能機器實現(xiàn)其目標的自動控制。主要算法有:基于規(guī)則的智能PID自學習控制算法、加辨識信號的智能自整定PID控制算法、專家式智能自整定PID控制算法、模糊PID控制算法、基于神經(jīng)網(wǎng)絡(luò)的PID控制算法、自適應(yīng)PID預測智能控制算法和單神經(jīng)元自適應(yīng)PID智能控制等多種控制算法。人們對PID應(yīng)用的同時，也對其進行各種改進，主要體現(xiàn)在兩個方面：一是對常規(guī)PID本身結(jié)構(gòu)的改進，即變結(jié)構(gòu)PID控制。引 言PID控制是最早發(fā)展起來的控制策略之一，由于其算法簡單、魯棒性好和可靠性高，被廣泛應(yīng)用于工業(yè)控制過程，尤其適用于可建立精確數(shù)學模型的確定性控制系統(tǒng)。另一方面，與模糊控制、神經(jīng)網(wǎng)絡(luò)控制和專家控制相結(jié)合，揚長避短，發(fā)揮各自的優(yōu)勢，形成所謂智能PID控制。本設(shè)計正是利用BP神經(jīng)網(wǎng)絡(luò)PID控制器對一個單閉環(huán)調(diào)速系統(tǒng)進行仿真研究，并和常規(guī)的PID控制進行對比，從而得出BP神經(jīng)網(wǎng)絡(luò)PID控制器具有較強的自整定、自適應(yīng)的優(yōu)點。目前的智能控制技術(shù)包括：神經(jīng)元網(wǎng)絡(luò)技術(shù)、模糊控制技術(shù)、遺傳算法優(yōu)化技術(shù)、專家控制系統(tǒng)、基于規(guī)則的仿人智能控制技術(shù)等已進入工程化和實用化的時代，并已有商品出售。計算機仿真目前已經(jīng)成為解決工程實際問題的重要手段，MATLAB/Simulink 軟件已成為其中功能最強大的仿真軟件之一。人工神經(jīng)網(wǎng)絡(luò)(簡稱神經(jīng)網(wǎng)絡(luò)，NN)是由人工神經(jīng)元(簡稱神經(jīng)元)互聯(lián)組成的網(wǎng)絡(luò)。1958年Rosenblatt提出了感知器(Perceptron)模型，為神經(jīng)網(wǎng)絡(luò)模型的研究提供了重要的方向。而同時由于數(shù)字計算機的成功，使得整個學術(shù)界陶醉于數(shù)字計算機的成功中，從而掩蓋了發(fā)展新型模擬計算機和人工智能技術(shù)的必要性和迫切性，使得神經(jīng)網(wǎng)絡(luò)的研究走向低潮。在這一時期，隨著大量開拓性研究工作的深入開展，數(shù)百種網(wǎng)絡(luò)結(jié)構(gòu)、學習算法應(yīng)運而生，硬件實現(xiàn)的研究工作也在積極開展，神經(jīng)網(wǎng)絡(luò)理論的應(yīng)用研究己經(jīng)滲入到各個領(lǐng)域，并在智能控制、模式識別、自適應(yīng)濾波和信號處理、非線性優(yōu)化、傳感技術(shù)和機器人、生物醫(yī)學工程等方面取得了令人鼓舞的進展。 神經(jīng)網(wǎng)絡(luò)應(yīng)用時不需考慮過程或現(xiàn)象的內(nèi)在機理一些高度非線性和高度復雜的問題能較好地得到處理，因此神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域取得了較大的發(fā)展，特別在模型辨識、控制器設(shè)計、優(yōu)化操作、故障分析與診斷等領(lǐng)域迅速得到應(yīng)用。但是常規(guī)的PID控制的局限性在于:當被控對象具有復雜的非線性特性，難以建立精確的數(shù)學模型，且在工業(yè)過程控制中，受控系統(tǒng)的參數(shù)常是未知的，有時還因為原料、環(huán)境和工況等的變化而引起參數(shù)的時變現(xiàn)象和不可忽視的隨機擾動，所以常規(guī)的PID控制要進行在線參數(shù)整定是十分困難的。隨著現(xiàn)代控制理論，諸如智能控制技術(shù)的研究發(fā)展，出現(xiàn)了許多PID控制器，為解決復雜無規(guī)則系統(tǒng)的控制開辟了新途徑。BP神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的運行狀態(tài)，不斷調(diào)節(jié)PID控制器的三個參數(shù)，以期達到某種性能指標的最優(yōu)化，使輸出神經(jīng)元的輸出狀態(tài)對應(yīng)于PID控制器的三個可調(diào)參數(shù)Kp，Ki，Kd并通過神經(jīng)網(wǎng)絡(luò)的自學習、加權(quán)系數(shù)自調(diào)整使神經(jīng)網(wǎng)絡(luò)的輸出對應(yīng)于某種最優(yōu)規(guī)律下的PID控制器參數(shù)。 PID控制原理v（t）微分 比例 積分 被控對象 e(t) u（t） + + + + + + — u1(t) rin（t） 在模擬控制系統(tǒng)中，按偏差的比例（P）、積分（I）和微分（D）進行控制的PID控制器是應(yīng)用最為廣泛的一種自動控制器。當僅有比例控制時系統(tǒng)輸出存在穩(wěn)態(tài)誤差（Steadystate error）。積分項對誤差取決于時間的積分，隨著時間的增加，積分項會增大。 自動控制系統(tǒng)在克服誤差的調(diào)節(jié)過程中可能會出現(xiàn)振蕩甚至失穩(wěn)。所以對有較大慣性或滯后的被控對象，比例+微分(PD)控制器能改善系統(tǒng)在調(diào)節(jié)過程中的動態(tài)特性。實際上，PID控制規(guī)律是一種線性的控制規(guī)律，它也具有傳統(tǒng)控制理論的弱點，僅在簡單的線性單變量系統(tǒng)中有較好的控制效果，而在復雜的系統(tǒng)的控制效果不佳。但是，PID控制主要局限性在于它對被控對象的依賴性，一般需預先知道被控對象的數(shù)學模型方可進行設(shè)計。數(shù)字PID控制算法通?？煞譃槲恢檬絇ID控制算法和增量式PID控制算法。顯然，上述離散化過程中，采樣時間T必須足夠短，才能保證有足夠的精度。位置式PID控制算法的缺點是：由于是全量輸出，所以每次輸出均與過去的狀態(tài)有關(guān)，計算時要對誤差進行累加，計算機運行工作量大。2．增量式算法得出的是控制量的增量，誤動作影響小。PID控制器參數(shù)整定的方法很多，概括起來有兩大類：一是理論計算整定法。PID控制器參數(shù)的工程整定方法，主要有臨界比例法、反應(yīng) 曲線法和衰減法。利用該方法進行 PID控制器參數(shù)的整定步驟如下：(1)首先預選擇一個足夠短的采樣周期讓系統(tǒng)工作；(2)僅加入比例控制環(huán)節(jié)，直到系統(tǒng)對輸入的階躍響應(yīng)出現(xiàn)臨界振蕩， 記下這時的比例放大系數(shù)和臨界振蕩周期；(3)在一定的控制度下通過公式計算得到PID控制器的參數(shù)。 對于壓力系統(tǒng)：P（%）3070，I（分）。 曲線振蕩很頻繁，比例度盤要放大。 曲線振蕩頻率快，先把微分降下來。本章首先分析了傳統(tǒng)PID控制的基本原理、PID三個參數(shù)比例、積分、微分的作用及其在實際控制過程中存在參數(shù)整定的問題，然后介紹了兩種數(shù)字PID控制算法，即位置式PID控制算法和增量式PID控制算法，并闡述它們各自的優(yōu)缺點。網(wǎng)絡(luò)的信息處理是由處理單元之間的相互作用(連接權(quán))來實現(xiàn)的。 MP模型MP模型是1943年由MeCulloch和Pitts共同提出的第一個神經(jīng)網(wǎng)絡(luò)模型，它是一個多輸入、多輸出的非線性信息處理單元。 :神經(jīng)元的閾值。在學習過程中，執(zhí)行學習規(guī)則，修正加權(quán)系數(shù)?！狟P網(wǎng)絡(luò)的結(jié)構(gòu)及算法多層前向網(wǎng)絡(luò)包含一個輸出層和一個輸入層，一個或多個隱含層。在眾多前向網(wǎng)絡(luò)中，最為典型的就是誤差反向傳播神經(jīng)網(wǎng)絡(luò)BP網(wǎng)絡(luò)。這個前向網(wǎng)絡(luò)的計算過程，既是網(wǎng)絡(luò)學習過程的一部分，也是將來網(wǎng)絡(luò)的工作模式。 （311） 或 （312） 式中參數(shù)表示閥值。為了對加權(quán)系數(shù)進行調(diào)整，二次型誤差性能指標函數(shù) （315）以誤差函數(shù)E減少最快方向調(diào)整，即使加權(quán)系數(shù)按誤差函數(shù)E的負梯度方向調(diào)整，使網(wǎng)絡(luò)逐漸收斂。當i為輸出層神經(jīng)元時，此時 （324） 考慮式（315） 中的是它所有前導層的所有神經(jīng)元的輸出的函數(shù)。所以，按照遵從的計算是從輸出層開始，逐層向輸入層推進的順序，當要計算i所在層的聯(lián)接權(quán)的修改量時，神經(jīng)元k所在層已經(jīng)被計算出來。神經(jīng)網(wǎng)絡(luò)還具有學習能力、記憶能力、計算能力以及各種智能處理能力，在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理、存儲和檢索功能。正因為如此，近年來在控制理論的所有分支都能夠看到神經(jīng)網(wǎng)絡(luò)的引入及應(yīng)用，對于傳統(tǒng)的PID控制當然也不例外，以各種方式應(yīng)用于PID控制的新算法大量涌現(xiàn)，其中有一些取得了明顯的效果。一般來說，基于神經(jīng)網(wǎng)絡(luò)的PID控制器的典型結(jié)構(gòu)主要有兩種，單神經(jīng)元網(wǎng)絡(luò)PID控制器和神經(jīng)網(wǎng)絡(luò)PID控制器兩種控制算法。通過網(wǎng)絡(luò)自身的學習，可以找到某一最優(yōu)控制規(guī)律下的P、I、D參數(shù)[10]。 yout 學習算法 PIDBP神經(jīng)網(wǎng)絡(luò) 被控對象 rin u kp ki 、kd 圖41 基于BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制系統(tǒng)經(jīng)典增量式數(shù)字PID的控制算式為 （44） 式中、分別為比例、積分、微分系數(shù)。輸出節(jié)點分別對應(yīng)PID控制器的三個參數(shù)、由于、不能為負，所以輸出層神經(jīng)元活化函數(shù)取非負的Sigmoid函數(shù)。取性能指標函數(shù) （412） 用最陡下降法修正網(wǎng)絡(luò)的權(quán)系數(shù)，即按E對加權(quán)系數(shù)的負梯度方向搜索調(diào)整，并附加一使搜索快速收斂全局極小的慣性項，則有 （413） ρ為學習率，γ為慣性系數(shù)。4．計算PID控制器的輸出u (k)；5．進行神經(jīng)網(wǎng)絡(luò)學習，在線調(diào)整加權(quán)系數(shù)和；實現(xiàn)PID控制參數(shù)的自適應(yīng)調(diào)整；6．置k =k+1，返回到1[9]。 目前 MATLAB 產(chǎn)品族可以用來進行： 數(shù)值分析 、數(shù)值和符號計算 、工程與科學繪圖 、控制系統(tǒng)的設(shè)計與方針 、數(shù)字圖像處理 、數(shù)字信號處理 、通訊系統(tǒng)設(shè)計與仿真 、財務(wù)與金融工程 。 利用 M 語言還開發(fā)了相應(yīng)的 MATLAB 專業(yè)工具箱函數(shù)供用戶直接使用。 Simulink 提供了利用鼠標拖放的方法建立系統(tǒng)框圖模型的圖形界面，而且 Simulink 還提供了豐富的功能塊以及不同的專業(yè)模塊集合，利用 Simulink 幾乎可以做到不書寫一行代碼完成整個動態(tài)系統(tǒng)的建模工作。利用 RTW 生成的代碼簡潔、可靠、易讀。 另外， MATLAB 開放性的可擴充體系允許用戶開發(fā)自定義的系統(tǒng)目標，利用 RealTime Workshop Embedded Coder 能夠直接將 Simulink 的模型轉(zhuǎn)變成效率優(yōu)化的產(chǎn)品級代碼。 MATLAB 結(jié)合第三方軟硬件產(chǎn)品組成了在不同領(lǐng)域內(nèi)的完整解決方案，實現(xiàn)了從算法開發(fā)到實時仿真再到代碼生成與最終產(chǎn)品實現(xiàn)的完整過程[5]。 MATLAB/Simulink簡介SIMULINK是一個用來對動態(tài)系統(tǒng)進行建模、仿真和分析的軟件包，它支持連續(xù)、離散及兩者混合的線性和非線性系統(tǒng)，也支持具有多種采樣頻率的系統(tǒng)。SIMULINK包含有SINKS（輸入方式）、SOURCE（輸入源）、LINEAR（線性環(huán)節(jié)）、NONLINEAR（非線性環(huán)節(jié)）、CONNECTIONS（連接與接口）和EXTRA（其他環(huán)節(jié)）子模型庫，而且每個子模型庫中包含有相應(yīng)的功能模塊。在定義完一個模型后，用戶可以通過SIMULINK的菜單或MATLAB的命令窗口鍵入