【正文】 嚴(yán)謹(jǐn)、知識(shí)淵博、為人和善，在畢業(yè)設(shè)計(jì)的過程中耐心回答我的每一個(gè)問題，細(xì)心指導(dǎo)我如何更好的完成研究工作，并為我提出了許多寶貴意見。分別對(duì)一階和二階系統(tǒng)在不同參數(shù)下進(jìn)行仿真研究，并與傳統(tǒng)PID控制進(jìn)行對(duì)比，得知單神經(jīng)元自適應(yīng)PID控制算法在總體上優(yōu)于傳統(tǒng)的PID控制算法，它有利于控制系統(tǒng)控制品質(zhì)的提高，受環(huán)境的影響較小，具有較強(qiáng)的控制魯棒性，是一種很有發(fā)展前景的控制器。4 總結(jié)通過本次畢業(yè)設(shè)計(jì)，使我加深了對(duì)已學(xué)過知識(shí)的理解，增強(qiáng)了實(shí)際應(yīng)用能力；同時(shí)也開闊了視野。（2） 改變單神經(jīng)元PID控制器的比例學(xué)習(xí)速率仿真結(jié)果如下圖：仿真結(jié)果如下圖：仿真結(jié)果如下圖：由上圖可見積分系數(shù)學(xué)習(xí)率越大則響應(yīng)會(huì)越快，但是超調(diào)量也會(huì)越大。（5）仿真對(duì)象的傳遞函數(shù)為：仿真結(jié)果如下圖：由（3）（5）可知一階滯后對(duì)象放大系數(shù)增大時(shí)，單神經(jīng)元自適應(yīng)PID控制超調(diào)量小，調(diào)節(jié)時(shí)間短，控制效果優(yōu)于傳統(tǒng)PID控制。上述算法，由于在改進(jìn)的單神經(jīng)元規(guī)范化有監(jiān)督自適應(yīng)算法中引進(jìn)了自適應(yīng)PID算法中增益K的自動(dòng)調(diào)整方法，因而自學(xué)習(xí)、自組織能力和魯棒性都有了明顯提高，是一種有效的單神經(jīng)元自適應(yīng)智能控制算法。即的增加速度反比例于，但當(dāng)控制誤差改變符號(hào)時(shí)，下降到上一時(shí)刻值的75%。無需辨識(shí)的比例、求和、微分（PSD）自適應(yīng)控制律的增量形式為 (314)式中 ——控制器輸出增量； ——控制器增益； ——比例系數(shù)； ——微分系數(shù)； 參數(shù)可進(jìn)行自動(dòng)調(diào)節(jié)，使組成增量型控制律各項(xiàng)的絕對(duì)平均值滿足如下關(guān)系： (315) 通常滿足式(315)總會(huì)獲得較好的控制效果。首先我們要先了解一下自適應(yīng)PSD控制算法。（6）在開始調(diào)整時(shí)，選擇較小值，當(dāng)調(diào)整、和K使被控對(duì)象具有良好特性時(shí)，再逐漸增加，而其他參數(shù)不變，使系統(tǒng)穩(wěn)態(tài)輸出基本無紋波。若上升時(shí)間長，無超調(diào)，應(yīng)增大K、。（3）上述單神經(jīng)元自適應(yīng)PID控制器學(xué)習(xí)算法的運(yùn)行效果與可調(diào)參數(shù)、K等的選取有很大關(guān)系。 將式(3_14)代入式(3_13)中有 (310)如果存在函數(shù)，對(duì)求偏微分有 (311)則式(311)可寫為 (312)上式說明，加權(quán)系數(shù)的修正是按函數(shù)對(duì)應(yīng)于的負(fù)梯度方向進(jìn)行搜索的。神經(jīng)元通過關(guān)聯(lián)搜索來產(chǎn)生控制信號(hào)，即 (37)式中 ——對(duì)應(yīng)于的加權(quán)系數(shù)。 單神經(jīng)元PID算法（1）結(jié)構(gòu)框圖如32所示。有監(jiān)督學(xué)習(xí)規(guī)則或WidowHoff學(xué)習(xí)規(guī)則。有監(jiān)督學(xué)習(xí)是通過外部教師信號(hào)進(jìn)行學(xué)習(xí)，即要求同時(shí)給出輸入和正確的期望輸出的模式對(duì)，當(dāng)計(jì)算結(jié)果與期望輸出有誤差時(shí)，網(wǎng)絡(luò)將通過自動(dòng)調(diào)節(jié)機(jī)制調(diào)節(jié)相應(yīng)的連接強(qiáng)度，使之向誤差減小的方向改變，經(jīng)過多次重復(fù)訓(xùn)練，最后與正確的結(jié)果相符合。學(xué)習(xí)規(guī)則是修正神經(jīng)元之間連接強(qiáng)度或加權(quán)系數(shù)的算法，使獲得的知識(shí)結(jié)構(gòu)適應(yīng)周圍環(huán)境的變化。此作用引起神經(jīng)元i的狀態(tài)變化，而神經(jīng)元i的輸出yi是其當(dāng)前狀態(tài)的函數(shù)g(?),稱之為活化函數(shù)（State of activation）。對(duì)人腦神經(jīng)元進(jìn)行抽象簡(jiǎn)化后得到一種稱為McCullochPitts模型的人工神經(jīng)元，如圖31所示。神經(jīng)元網(wǎng)絡(luò)在復(fù)雜系統(tǒng)的控制方面具有明顯的優(yōu)勢(shì)，神經(jīng)元網(wǎng)絡(luò)控制和辨識(shí)的研究已經(jīng)成為智能控制研究的主流。 PID控制的魯棒性在圖29的基礎(chǔ)上，在將對(duì)象的增益改作11，仿真曲線如圖（211）：圖211 PID控制魯棒性仿真曲線 系統(tǒng)出現(xiàn)發(fā)散振蕩，不能收斂，可見常規(guī)PID的超調(diào)量較大；當(dāng)被控對(duì)象特性發(fā)生較大變化時(shí)，PID的控制效果不太理想。在考慮對(duì)象的自平衡率影響時(shí)，較準(zhǔn)確的經(jīng)驗(yàn)公式如表24所示。積分作用主要用于消除系統(tǒng)的穩(wěn)態(tài)誤差，并且希望在被調(diào)量波動(dòng)一個(gè)周期后消除穩(wěn)態(tài)誤差的作用應(yīng)基本結(jié)束；就是說積分時(shí)間的大小應(yīng)根據(jù)被調(diào)量波動(dòng)周期大小來確定，而遲延時(shí)間又是影響過渡過程周期的主要因素。過響應(yīng)曲線拐點(diǎn)P作切線交穩(wěn)態(tài)值漸近線C*(∞)于A，交時(shí)間軸于C；過A點(diǎn)作時(shí)間軸垂線并交于B，則： ，對(duì)無自平衡能力對(duì)象，其單位階躍響應(yīng)曲線如圖25(b)所示。圖24 等幅振蕩曲線(3)據(jù)記錄曲線得振蕩周期，此狀態(tài)下的調(diào)節(jié)器比例帶為，然后按表22計(jì)算出調(diào)節(jié)器的各個(gè)參數(shù)?？梢钥闯雠R界比例帶法無需知道對(duì)象的動(dòng)態(tài)特性，直接在閉環(huán)系統(tǒng)中進(jìn)行參數(shù)整定。從表35可以發(fā)現(xiàn)，對(duì)于ψ=，采用比例積分調(diào)節(jié)規(guī)律時(shí)相對(duì)于采用比例調(diào)節(jié)規(guī)律引入了積分作用，因此系統(tǒng)的穩(wěn)定性將下降，為了仍然能得到ψ=。記錄下4:1(或10:1)的衰減振蕩過程曲線，如圖36所示。衰減曲線法的具體步驟是：(1)置調(diào)節(jié)器的積分時(shí)間→∞，微分時(shí)間→0，比例帶為一稍大的值；將系統(tǒng)投入閉環(huán)運(yùn)行。所以對(duì)有較大慣性或滯后的被控對(duì)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(dòng)態(tài)特性。 自動(dòng)控制系統(tǒng)在克服誤差的調(diào)節(jié)過程中可能會(huì)出現(xiàn)振蕩甚至失穩(wěn)。積分項(xiàng)對(duì)誤差取決于時(shí)間的積分，隨著時(shí)間的增加，積分項(xiàng)會(huì)增大。當(dāng)僅有比例控制時(shí)系統(tǒng)輸出存在穩(wěn)態(tài)誤差（Steadystate error）。[4]PID 工作基理：由于來自外界的各種擾動(dòng)不斷產(chǎn)生，要想達(dá)到現(xiàn)場(chǎng)控制對(duì)象值保持恒定的目的，控制作用就必須不斷的進(jìn)行。當(dāng)被控對(duì)象的結(jié)構(gòu)和參數(shù)不能完全掌握，或得不到精確的數(shù)學(xué)模型時(shí)，控制理論的其它技術(shù)難以采用時(shí)，系統(tǒng)控制器的結(jié)構(gòu)和參數(shù)必須依靠經(jīng)驗(yàn)和現(xiàn)場(chǎng)調(diào)試來確定，這時(shí)應(yīng)用PID控制技術(shù)最為方便。主要介紹了單神經(jīng)元自適應(yīng)PID控制的原理和單神經(jīng)元自適應(yīng)PID控制算法，編寫VB程序并對(duì)其進(jìn)行仿真，對(duì)一階、二階系統(tǒng)分別用單神經(jīng)元自適應(yīng)PID控制和傳統(tǒng)PID控制進(jìn)行仿真對(duì)比，并且分析單神經(jīng)元自適應(yīng)PID控制中的比例、積分、微分學(xué)習(xí)率對(duì)系統(tǒng)性能的影響。同時(shí)在MATLAB和VB程序仿真研究的基礎(chǔ)上分析了單神經(jīng)元自適應(yīng)PID算法的控制性能，并與傳統(tǒng)PID控制算法進(jìn)行比較。遺傳算法PID控制器 20世紀(jì)90年代末，即在遺傳算法GA等進(jìn)化計(jì)算思想提出20年后，在生物醫(yī)學(xué)界和自動(dòng)控制界出現(xiàn)了研究進(jìn)化控制的苗頭。神經(jīng)網(wǎng)絡(luò)PID控制器人工神經(jīng)網(wǎng)絡(luò)ANN(artificial neural network)是最近發(fā)展起來的十分熱門的交叉學(xué)科。它在執(zhí)行重復(fù)運(yùn)動(dòng)的非線性機(jī)器人系統(tǒng)的控制中是相當(dāng)成功的。如何同時(shí)提高搜索最優(yōu)解的概率和效率,是遺傳算法的一個(gè)主要研究方向 ?？焖佟⒏咝?、全局化的優(yōu)化算法是實(shí)現(xiàn)智能控制的重要手段?？赏ㄟ^調(diào)整控制器的參數(shù),適應(yīng)對(duì)象特性及環(huán)境的變化,適應(yīng)性好。在實(shí)現(xiàn)模糊控制時(shí)主要考慮模糊變量的隸屬度函數(shù)的確定,以及控制規(guī)則的制定二者缺一不可。[1] 智能控制系統(tǒng)發(fā)展概況隨著信息技術(shù)的發(fā)展，許多新方法和技術(shù)進(jìn)入工程化、產(chǎn)品化階段，這對(duì)自動(dòng)控制技術(shù)提出獷新的挑戰(zhàn)，促進(jìn)了智能理論在控制技術(shù)中的應(yīng)用，以解決用傳統(tǒng)的方法難以解決的復(fù)雜系統(tǒng)的控制問題。相對(duì)于傳統(tǒng)PID 控制器而言,現(xiàn)代PID 控制器是將自適應(yīng)控制、最優(yōu)控制、預(yù)測(cè)控制、魯棒控制、智能控制等控制策略引入到PID 控制中的一種新型PID 控制器。隨后有許多公司和專家，象福克斯波羅公司、利諾公司、橫河公司、Bristol、 、 、Nishkawa 和Sannomiya 等人，投入到這方面的研究之中，經(jīng)過多年的研究，在參數(shù)整定方面取得了很多成果，諸如自校正PID、預(yù)估PID 等控制器。反饋的方法首先被提出，在研究氣動(dòng)和電動(dòng)記錄儀的基礎(chǔ)上發(fā)現(xiàn)了比例和積分的作用。主要介紹了單神經(jīng)元自適應(yīng)PID控制的原理和單神經(jīng)元自適應(yīng)PID控制算法，使用VB編寫程序，對(duì)一階、二階系統(tǒng)分別用單神經(jīng)元自適應(yīng)PID算法和傳統(tǒng)PID算法進(jìn)行仿真，并且分析了單神經(jīng)元自適應(yīng)PID控制中的比例、積分、微分學(xué)習(xí)率對(duì)系統(tǒng)性能的影響。 單神經(jīng)元PID控制算法及仿真研究單神經(jīng)元自適應(yīng)PID控制算法及仿真研究摘要本文研究了神經(jīng)網(wǎng)絡(luò)PID算法的最簡(jiǎn)單結(jié)構(gòu)單神經(jīng)元自適應(yīng)PID算法，利用VB語言編寫仿真程序，對(duì)常見一階、二階對(duì)象進(jìn)行了神經(jīng)網(wǎng)絡(luò)PID仿真研究，并分析單神經(jīng)元自適應(yīng)PID控制的各參數(shù)對(duì)控制效果的影響，同時(shí)分析了單神經(jīng)元PID較PID控制的優(yōu)點(diǎn)。單神經(jīng)元自適應(yīng)PID控制的研究。PID 控制的發(fā)展經(jīng)歷了三個(gè)階段：第一階段（二十世紀(jì)二十年代以前）機(jī)器工業(yè)的發(fā)展，對(duì)控制提出了要求。在1942 年和1943 年，泰勒儀器公司的Zigeler 和Nichols 等人，分別在開環(huán)和閉環(huán)的情況下，用實(shí)驗(yàn)的方法分別研究了比例、積分和微分這三部分在控制中的作用，首先提出了PID 控制器的參數(shù)整定的問題。研究新一代控制器的另一個(gè)方向,是現(xiàn)代PID 控制器。人們把專家系統(tǒng)、模糊控制、神經(jīng)網(wǎng)絡(luò)等理論,整合到PID 控制器中,這樣,既保持了PID 控制器的結(jié)構(gòu)簡(jiǎn)單、適用性強(qiáng)和整定方便等優(yōu)點(diǎn),又通過智能技術(shù)在線調(diào)整PID 控制器的參數(shù),以適應(yīng)被控對(duì)象特性的變化。其基本思想是用機(jī)器模擬人對(duì)系統(tǒng)的控制,就是在被控對(duì)象的模糊模型的基礎(chǔ)上運(yùn)用模糊控制器近似推理等手段,實(shí)現(xiàn)系統(tǒng)控制。專家控制可以靈活地選取控制率,靈活性高。 4 學(xué)習(xí)控制 (1)遺傳算法學(xué)習(xí)控制 智能控制是通過計(jì)算機(jī)實(shí)現(xiàn)對(duì)系統(tǒng)的控制,因此控制技術(shù)離不開優(yōu)化技術(shù)。另一方面又希望向著解的方向盡快縮小搜索范圍,從而提高搜索效率。整個(gè)控制結(jié)構(gòu)由線性反饋控制器和前饋學(xué)習(xí)補(bǔ)償控制器組成,其中線性反饋控制器保證了非線性系統(tǒng)的穩(wěn)定運(yùn)行、前饋補(bǔ)償控制器保證了系統(tǒng)的跟蹤控制精度。將模糊控制和PID控制兩者結(jié)合起來，揚(yáng)長避短，既具有模糊控制靈活、適應(yīng)性強(qiáng)的優(yōu)點(diǎn)，又具有PID控制精度高的特點(diǎn)?；谏窠?jīng)網(wǎng)絡(luò)的PID控制，其結(jié)構(gòu)方式有兩類：一類是單神經(jīng)元控制，即神經(jīng)元輸入權(quán)值一一對(duì)應(yīng)PID參數(shù)，神經(jīng)元輸入值為經(jīng)過比例、積分、微分處理的偏差值，其主要局限性在于單神經(jīng)元結(jié)構(gòu)無任意函數(shù)逼近能力；另一類是在常規(guī)PID控制器的基礎(chǔ)上增加一個(gè)神經(jīng)網(wǎng)絡(luò)模塊，按照BP學(xué)習(xí)算法(如前向算法和反傳算法)進(jìn)行離線學(xué)習(xí)，實(shí)時(shí)調(diào)整出PID參數(shù)，同時(shí)還要繼續(xù)學(xué)習(xí)不斷地調(diào)整神經(jīng)網(wǎng)絡(luò)中各神經(jīng)元間權(quán)系數(shù)，以適應(yīng)被控對(duì)象的變化，因此，具有很強(qiáng)的適應(yīng)性。[3] 本文研究內(nèi)容本文對(duì)傳統(tǒng)PID控制原理和在工程中PID參數(shù)整定方法進(jìn)行了研究，并且將傳統(tǒng)PID控制理論與單神經(jīng)元自適應(yīng)控制理論結(jié)合而形成的單神經(jīng)元自適應(yīng)PID控制算法進(jìn)行分析。第三章為單神經(jīng)元自適應(yīng)PID控制的研究。PID控制器問世至今已有近70年歷史，它以其結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性好、工作可靠、調(diào)整方便而成為工業(yè)控制的主要技術(shù)之一。PID控制器就是根據(jù)系統(tǒng)的誤差，利用比例、積分、微分計(jì)算出控制量進(jìn)行控制的。其控制器的輸出與輸入誤差信號(hào)成比例關(guān)系。為了消除穩(wěn)態(tài)誤差，在控制器中必須引入“積分項(xiàng)”。 微分（D）控制 在微分控制中，控制器的輸出與輸入誤差信號(hào)的微分（即誤差的變化率）成正比關(guān)系。這就是說，在控制器中僅引入“比例”項(xiàng)往往是不夠的，比例項(xiàng)的作用僅是放大誤差的幅值，而目前需要增加的是“微分項(xiàng)”，它能預(yù)測(cè)誤差變化的趨勢(shì)，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