【正文】 D 控制器由比例 單元（ P）、積分單元（ I）和微分單元（ D）組成。反饋理論的要素包括三個(gè)部分：測量、比較和執(zhí)行。從眾多應(yīng)用研究領(lǐng)域取得的豐碩成果來看，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展具有強(qiáng)大的生命力。有一千多名學(xué)者參加，并成立了國際神網(wǎng)絡(luò)學(xué)會(huì)。該算法有力的回答了 60 年代 Minsky 和 Papert 對神經(jīng)網(wǎng)絡(luò)的責(zé)難。其一是：用統(tǒng)計(jì)機(jī)解釋某些類型的遞歸網(wǎng)絡(luò)的操作，這類網(wǎng)絡(luò)課作為兩廂存儲(chǔ)器。同時(shí)，東京 NHA 廣播科學(xué)研究室大阪大學(xué)教授 Fukushima 提出了一種稱華北電力大學(xué)科技學(xué)院本科畢業(yè)設(shè)計(jì)（正文） 4 為 Neocognitron 的神經(jīng)網(wǎng)絡(luò)，它是一個(gè)視覺識(shí)別機(jī)制，與生物視覺理論相符合。從 1972年開始，他很快 集中到聯(lián)想記憶方面。該書在學(xué)術(shù)界產(chǎn)生正反二方面的影響，它的副作用促使 20 世紀(jì) 60 年代人們對神經(jīng)網(wǎng)絡(luò)研究的熱情驟然下降，迅速轉(zhuǎn)入低潮。感知機(jī)具有輸入層、輸出層和中間層，它可以模仿人的特性，并用它做了實(shí)驗(yàn)。最初感知機(jī)的學(xué)習(xí)機(jī)制是自組織的，響應(yīng)的發(fā)生與隨機(jī)的初始值有關(guān)，后來加入了訓(xùn)練過程，這與后來的 BP 算法和 Kohone 自組織算法類似。 第一次研究高潮：五十至六十年代 ， 1958 年 F諾依曼的名字是與普通計(jì)算機(jī)聯(lián)系在一起的，但他也是人人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)之一。諾依曼領(lǐng)導(dǎo)的設(shè)計(jì)小組試制成功存儲(chǔ) 程序式電子計(jì)算機(jī)，標(biāo)志著電子計(jì)算機(jī)時(shí)代的開始。在該模型中，神經(jīng)元表現(xiàn)為二個(gè)狀態(tài)，即 “ 興奮 ” 和 “ 抑止 ”。這一時(shí)期截止到 1949年。隱含 層基函數(shù)的中心是在輸入樣本集中選取的 ， 這在許多情況下難以反映出系統(tǒng)真正的輸入輸出關(guān)系 ， 并且初始中心點(diǎn)數(shù)太多 ； 另外優(yōu)選過程會(huì)出現(xiàn)數(shù)據(jù)病態(tài)現(xiàn)象 等問題的存在嚴(yán)重阻礙了 RBF 神經(jīng)網(wǎng)絡(luò)的發(fā)展，致使其理論發(fā)展緩慢 。 ② 不能向用戶提出必要的詢問，而且當(dāng)數(shù)據(jù)不充分的時(shí)候，神經(jīng)網(wǎng)絡(luò)就無法進(jìn)行工作。③ 網(wǎng)絡(luò)連接權(quán)值與輸出呈線性關(guān)系。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力和自學(xué)習(xí)能力，所以將 RBF 神經(jīng)網(wǎng)絡(luò)算法與 PID 控制相結(jié)合產(chǎn)生的間接自校正控制策略，能自動(dòng)整定 控制器的參數(shù)，使系統(tǒng)在較好的性能下運(yùn)行?；?RBF 神經(jīng)網(wǎng)絡(luò)的 PID 控制器由經(jīng)典的 PID 控制器和 RBF 神經(jīng)網(wǎng)絡(luò)組成，其基本思想是利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能和非線性函數(shù)的表示能力，遵從一定的最優(yōu)指標(biāo)，在線調(diào)整 PID 控制器的參數(shù)，使之適應(yīng)被控對象參數(shù)以及結(jié)構(gòu)的變化和輸入?yún)⒖夹?號(hào)的變化，并能夠抵御外來擾動(dòng)的影響，達(dá)到具有良好的魯棒性的目標(biāo) 。神經(jīng)網(wǎng)絡(luò)控制能夠充分任意地逼近任何復(fù)雜的非線性關(guān)系，具有很強(qiáng)的信息綜合能力，能夠?qū)W習(xí)和適應(yīng)嚴(yán)重不確 定系統(tǒng)的動(dòng)態(tài)特性，故有很強(qiáng)的魯棒性和容錯(cuò)性，可以處理那些難以用模型和規(guī)則描述的過程 ； 神經(jīng)網(wǎng)絡(luò)所具有的大規(guī)模的并行處理和分布式的信息存儲(chǔ)；極強(qiáng)的自學(xué)、聯(lián)想額容錯(cuò)能力；良好的自適應(yīng)和自組織性；多輸入、多輸出的非線性系統(tǒng)都基本符合工程的要求。 因此，如何使 PID 控制器具有在線自整定其參數(shù)的功能，是自從使用 PID 控制以來人們始終關(guān)注的重要問題。 PID 控制器 算法簡單、魯棒性好和可靠性高，控制效果良好，因此被廣泛應(yīng)用于工業(yè)控制過程 中 ，尤其適用于可建立精確數(shù)學(xué)模型的確定性控制系統(tǒng)。然后再進(jìn)一步通過仿真實(shí)驗(yàn)數(shù)據(jù)，研究本控制系統(tǒng)的穩(wěn)定性，魯棒性，抗干擾能力等。 對工業(yè)控制領(lǐng)域中非線性系統(tǒng)，采用傳統(tǒng) PID 控制不能獲得滿意的控制效果。然而隨著現(xiàn)代工業(yè)過程的日益復(fù)雜，對控制要求的逐步增高（如穩(wěn)定性、準(zhǔn)確性、快速性等），經(jīng)典控制理論面臨著嚴(yán)重的挑戰(zhàn)。 運(yùn)用 MATLAB 軟件對所設(shè)計(jì)的 RBF 神經(jīng)網(wǎng)絡(luò)整定的 PID 控制算法進(jìn)行仿真研究。 Parameter setting 華北電力大學(xué)科技學(xué)院本科畢業(yè)設(shè)計(jì)（目錄） 目 錄 摘 要 ..................................................................... Ⅰ Abstract ................................................................... Ⅱ 1 緒論 ...................................................................... 1 課題研究背景及意義 ...................................................... 1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史 ...................................................... 2 本課題研究的主要內(nèi)容 .................................................... 5 2 神經(jīng)網(wǎng)絡(luò) .................................................................. 6 神經(jīng)網(wǎng)絡(luò)的基本概念和特點(diǎn) ................................................ 6 人工神經(jīng)網(wǎng)絡(luò)構(gòu)成的基本原理 .............................................. 6 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) .......................................................... 7 前饋網(wǎng)絡(luò) .............................................................. 7 反饋網(wǎng)絡(luò) .............................................................. 7 神經(jīng) 網(wǎng)絡(luò)的學(xué)習(xí)方式 ...................................................... 8 監(jiān)督學(xué)習(xí) (有教師學(xué)習(xí) ) .................................................. 8 非監(jiān)督學(xué)習(xí) (無教師學(xué)習(xí) ) ................................................ 8 再勵(lì)學(xué)習(xí) (強(qiáng)化學(xué)習(xí) ) .................................................... 9 RBF 神經(jīng)網(wǎng)絡(luò) ............................................................ 9 RBF 神經(jīng)網(wǎng)絡(luò)的發(fā)展簡史 ................................................ 9 RBF 的數(shù)學(xué)模型 ........................................................ 9 被控對象 Jacobian 信息的辨識(shí)算法 ...................................... 10 RBF 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 ............................................... 11 本章 小結(jié) ............................................................... 12 3 PID 控制器 ............................................................... 13 PID 控制器簡介 ......................................................... 13 經(jīng)典 PID 控制原理 ....................................................... 13 現(xiàn)有 PID 控制器參數(shù)整定方法 ............................................. 15 PID 控制的局限 ......................................................... 15 本章小結(jié) ............................................................... 16 4 基于 RBF 神經(jīng)網(wǎng)絡(luò)整定的 PID 控制器設(shè)計(jì) ..................................... 17 RBF 神經(jīng)網(wǎng)絡(luò)的 PID 整定原理 ............................................. 17 神經(jīng)網(wǎng)絡(luò) PID 控制器的設(shè)計(jì) ............................................... 17 本章小結(jié) ............................................................... 18 5 仿真分析 ................................................................. 19 華北電力大學(xué)科技學(xué)院本科畢業(yè)設(shè)計(jì)（目錄） 系統(tǒng)的穩(wěn)定性分析 ....................................................... 19 系統(tǒng)抗干擾能力分析 ..................................................... 20 系統(tǒng)魯棒性分析 ......................................................... 21 本章小結(jié) ............................................................... 23 結(jié) 論 ..................................................................... 24 參 考 文 獻(xiàn) ................................................................ 25 致 謝 ..................................................................... 26 附錄 仿真程序 .............................................................. 27 華北電力大學(xué)科技學(xué)院本科畢業(yè)設(shè)計(jì)（正文） 1 1 緒論 課題研究 背景及意義 PID 控制器 （ 按比例、積分和微分進(jìn)行控制的調(diào)節(jié)器 ） 是最早發(fā)展起來的應(yīng)用經(jīng)典控制理論的控制策略之一，是工業(yè)過程控制中應(yīng)用最廣泛，歷史最悠久，生命力最強(qiáng)的控制方式，在目前的工業(yè)生產(chǎn)中， 90％以上的控制器為 PID 控制器。隨著工業(yè)的發(fā)展，控制對象的復(fù)雜程度也在不斷加深，許多大滯后、時(shí)變的、非線性的復(fù)雜系統(tǒng)，如溫度控制系統(tǒng)，被控過程機(jī)理復(fù)雜，具有高階非線性、慢時(shí)變、純滯后等特點(diǎn)，常規(guī) PID 控制顯得無能為力；另外，實(shí)際生產(chǎn)過程中存在著許多不確定因素，如在噪聲、負(fù)載振動(dòng)和其他一些環(huán)境條件下，過程參數(shù)甚至模型結(jié)果都會(huì)發(fā)生變化，如變結(jié)構(gòu)、變參數(shù)、非線性、時(shí)變等，不僅難以建立受控對象精確的數(shù)學(xué)模型，而且 PID 控制器的控制參數(shù)具有固定形式，不易在線調(diào)整，難以適應(yīng)外界環(huán)境的變化，這些使得 PID 控制器在實(shí)際應(yīng)用中不能達(dá)到理想的效果，越來越受到限制和挑戰(zhàn)。人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的基本神經(jīng)元相互連接而構(gòu)成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。同時(shí)，它也是一種可以廣泛應(yīng)用于 模式識(shí)別、非線性函數(shù)逼近等領(lǐng)域的神經(jīng)網(wǎng)絡(luò)模型 。而工業(yè)現(xiàn)場需要先進(jìn)的控制方法，迫切需要工程化實(shí)用化的神經(jīng)網(wǎng)絡(luò)控制方法，所以研究神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用，對提高我國的自動(dòng)化水平和企業(yè)的經(jīng)濟(jì)效益具有重大意義。② RBF 神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的輸入和輸出映射功能，并且理論證明在前向網(wǎng)絡(luò)中 RBF 網(wǎng)絡(luò)是完成映射功能的最優(yōu)網(wǎng)絡(luò)。 缺點(diǎn)： ① 最嚴(yán)重的問題是沒能力來解釋自己的推理過程和推理依據(jù)。 此外， RBF 神經(jīng)網(wǎng)絡(luò)用于非線性系統(tǒng)建模需要解決的關(guān)鍵問題是樣本數(shù)據(jù)的選 擇 ， 在實(shí)際工業(yè)過程中 ， 系統(tǒng)的信息往往只能從系統(tǒng)運(yùn)行的操作數(shù)據(jù)中分析得到 ， 因此如何從系統(tǒng)運(yùn)行的操作數(shù)據(jù)中提取系統(tǒng)運(yùn)行狀況信息 ， 以降低網(wǎng)絡(luò)對訓(xùn)練樣本的依賴 ，在實(shí)際應(yīng)用中具有重要的價(jià)值。 神經(jīng)網(wǎng)絡(luò) 的發(fā)展歷史 神經(jīng)網(wǎng)絡(luò)的研究最早可以追溯到人類考試研究自己智能的時(shí)期。Pitts 在分析、總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先從信息處理的觀點(diǎn)出發(fā)，合作提出了一種簡單的人工神經(jīng)元數(shù)學(xué)模型。 1945年馮 雖然，馮 Hebb 的工作對后來的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法產(chǎn)生了很大的影響，目前的一些神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則仍在采用 Hebbian 規(guī)則或它的改進(jìn)型規(guī)則。這是第一個(gè)真 正的神經(jīng)網(wǎng)絡(luò)，因?yàn)樗?IBM704 計(jì)算機(jī)上得到了成功的模擬。1962 年， Rosenblatt 出版了一本名為《 The Priciples of Neuro dynamics》的書，書中詳述了他的感知機(jī)。在當(dāng)時(shí)的技術(shù)條件下，解決此類問題是極其困難的。 19721 年，芬蘭的 Kohonen 開始從事隨機(jī)連接變化表的研究工作。這一時(shí)期， Stephen G