控制系統(tǒng)仿真課程設(shè)計(jì)-單神經(jīng)元pid控制系統(tǒng)仿真-資料下載頁
2025-08-23 21:06本頁面
【導(dǎo)讀】PID控制以其原理簡單，可靠性高等優(yōu)點(diǎn)被廣泛應(yīng)用在現(xiàn)代工業(yè)控制領(lǐng)域。在工業(yè)實(shí)際控制中，被控對象往往還具有高度的非線性，不確定性和參數(shù)時變等特點(diǎn)，在這種情況下單純依靠PID控制是不能達(dá)到要求的。神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)作為新興發(fā)展。簡單而易于計(jì)算?；谝陨戏治觯赑ID控制中引入單神經(jīng)元自適應(yīng)算法，這樣既可。以解決傳統(tǒng)PID控制器的不足，同時又能充分利用PID控制技術(shù)成熟的優(yōu)勢。真對比發(fā)現(xiàn)單神經(jīng)元自適應(yīng)PID控制器比傳統(tǒng)的PID控制器控制效果好。門學(xué)科的發(fā)展對目前和未來的科學(xué)技術(shù)的發(fā)展將有著重要的影響。以大規(guī)模并行處理。對人腦神經(jīng)元進(jìn)行抽象簡化后得到一種稱為McCulloch-Pitts模型的人工神經(jīng)元，接強(qiáng)度，稱之為權(quán)。根據(jù)不同的運(yùn)算方式，凈輸入的表達(dá)方式有多種類型，對各種時變系統(tǒng)，包括通訊、控制、信號處理、均顯示出突出的優(yōu)點(diǎn)。如圖，狀態(tài)轉(zhuǎn)換器的輸入反映被控對象及控制設(shè)定的狀態(tài)。為性能指標(biāo)或遞進(jìn)信號，為一個教師信號；K為神經(jīng)元的比例系數(shù)，K為大于0的數(shù)。
【正文】 時增加、減小，同時 K 值過大會導(dǎo)致系統(tǒng)發(fā)生振蕩。 仿真結(jié)果說明．單神經(jīng)元自適應(yīng) PID 控制本質(zhì)上是非線性控制．具有良好的自適應(yīng)能力，能有效地減小超調(diào)，縮短調(diào)節(jié)時間。綜合評價的結(jié)果，單神經(jīng)元自適應(yīng) PID控制方法具有優(yōu)于常規(guī) PID 控制的效果．而采用以輸出誤差平方為性能指標(biāo)的單神經(jīng)元自適應(yīng) PID 控制器的控制效果優(yōu)于采用有監(jiān)督 Hebb 學(xué)習(xí)算法的單神 經(jīng)元自適應(yīng)PID 控制器。 第四章 總結(jié) 通過本次畢業(yè)設(shè)計(jì) ，使我 更進(jìn)一步 加深了 怎樣分析問題和解決問題，加強(qiáng)了 對已學(xué)過知識的理解，增強(qiáng)了實(shí)際應(yīng)用能力，同時也開闊了視野。 對于單神經(jīng)元自適應(yīng) PID控制，通過仿真定性的分析了單神經(jīng)元 PID控制中比例學(xué)習(xí)率、積分學(xué)習(xí)率、微分學(xué)習(xí)率和增益 K等參數(shù)在控制中所起到的作用，得出（ 1）在積分學(xué)習(xí)率、微分學(xué)習(xí)率不變的情況下， 比例系數(shù)學(xué)習(xí)率越大則超調(diào)量越小，但是響應(yīng)速度也會越慢；（ 2）在比例學(xué)習(xí)率、微分學(xué)習(xí)率不變的情況下，積分系數(shù)學(xué)習(xí)率越大則響應(yīng)會越快，但是超調(diào)量也 會越大；（ 3）在比例學(xué)習(xí)率、積分學(xué)習(xí)率不變的情況下，微分學(xué)習(xí)率對單神經(jīng)元 PID控制器的控制效果影響不大；（ 4） K是系統(tǒng)最敏感的參數(shù)， K值增大、減小相當(dāng)于 P、 I、 D三項(xiàng)同時增加、減小，同時 K 值過大會使系統(tǒng)發(fā)生振蕩，導(dǎo)致系統(tǒng)發(fā)散，所以對于 K值應(yīng)合理選擇。 分別對一階和二階系統(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。同時對單神經(jīng)元自適應(yīng) PID控制算法進(jìn)行改進(jìn)，使增益 K能夠自調(diào)整，通過仿真發(fā)現(xiàn)這種改進(jìn)算法能使控制效果變得更好。 參考文獻(xiàn) [1]李國勇，控制系統(tǒng)數(shù)字仿真與 CAD[M]，北京：電子工業(yè)出版社， 2020， 9月 [2]薛定宇，控制系統(tǒng)仿真與計(jì)算機(jī)輔助設(shè)計(jì) [M]，北京：機(jī)械工業(yè)出版社， 2020， 1月 [3]徐麗娜，神經(jīng)網(wǎng)絡(luò)控制 [M]，哈爾濱：哈爾濱工業(yè)大學(xué)出版社， 1998， 11 [4]劉金琨，先進(jìn) PID 控制及其 MATLAB 仿真 [M]，北京：電子工業(yè)出版社， 2020， 8 [5]張靜，馬俊麗，岳境，等． MATLAB在控制系統(tǒng)中的應(yīng)用 [M]．北京：電子工業(yè)出版社， 2020 [6] 焦李成 . 神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論 [M ]. 西安 : 西安電子科技大學(xué)出版社 , 1995. [7]陶永華，尹怡欣，葛蘆生．新型 PID控制及其應(yīng)用 [M]．北京：機(jī)械工業(yè)出版社 1998． 9． [8]徐英 , 徐用懋 , 楊爾輔 . 時變大滯后系統(tǒng)的單神經(jīng)元預(yù)測控制 [ J] . 清華大學(xué)學(xué)報(bào) ( 自然科學(xué)版 ) ,2020,4 [9]舒懷林 . PID 神經(jīng)元網(wǎng)絡(luò)對強(qiáng)耦合帶時延多變量系統(tǒng)的解耦控制 [ J] . 控制理論與應(yīng)用 , 1998, 15 16) : 920?924. [10]舒懷林 . 基于神經(jīng) PID 網(wǎng)絡(luò)的串級調(diào)節(jié)系統(tǒng)研究 [J] . 自動化與儀器儀表 , 1997, ( 5) : 45?49. [11]王正林，王勝開，陳國順，等． MATLAB／ Simulink與控制系統(tǒng)仿真 (第 2版 )[M]．北京：電子工業(yè)出版社， 2020． 附錄 function [sys,x0,str,ts]=lcczy(t,x,u,flag,deltak) deltak=[。]。 switch flag, case 0, [sys,x0,str,ts]=mdlInitializeSizes。 case 2,sys=mdlUpdate(t,x,u,deltak)。 case 3,sys=mdlOutputs(t,x,u)。 case {1,4,9},sys=[]。 otherwise ,error([39。Unhandled flag=39。,num2str(flag)])。 end。 function [sys,x0,str,ts]=mdlInitializeSizes sizes=simsizes。 =0。=3。 =4。=4。 =1。=1。 sys=simsizes(sizes)。x0=[*rand(3,1)]。 str=[]。 ts=[1 0]。 function sys=mdlUpdate(t,x,u,deltak) sys=x+deltak*u(1)*u(4)*(2*u(1)u(2))。 function sys=mdlOutputs(t,x,u) xx=[u(1)u(2) u(1) u(1)+u(3)2*u(2)]。 sys=[u(4)+*xx*x/sum(abs(x))。x/sum(abs(x))]。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號-1