【正文】 圖 57 BP網(wǎng)絡(luò)的PID輸出曲線 圖58 BP網(wǎng)絡(luò)的參數(shù)自適應(yīng)整定曲線根據(jù)上面曲線可以發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的自整定、自適應(yīng)效果是比較好的。，這和常規(guī)PID的基本一致。誤差跟蹤曲線最終收斂于0處，說明了BP網(wǎng)絡(luò)的自調(diào)整無超最終為0，控制效果比較理想[2]。當(dāng)我們運(yùn)行穩(wěn)定后得到一組新的權(quán)值wi，wo如下 wi=[ 。 。 。 。 ]。 wo=[ 。 。 ]。用該組數(shù)據(jù)仿真得到和上面四中個(gè)曲線同類型的四種曲線，但控制效果明顯不同如圖59~512所示圖59 穩(wěn)定權(quán)值下BP網(wǎng)絡(luò)的階躍跟蹤曲線圖 510 穩(wěn)定權(quán)值下BP網(wǎng)絡(luò)的誤差跟蹤曲線圖511 穩(wěn)定權(quán)值下BP網(wǎng)絡(luò)的PID輸出曲線圖512 穩(wěn)定權(quán)值下BP網(wǎng)絡(luò)的參數(shù)自適應(yīng)整定曲線 仿真結(jié)果分析由上述兩組圖可以看出BP神經(jīng)網(wǎng)絡(luò)的各項(xiàng)指標(biāo)效果均非常良好，特別是BP神經(jīng)網(wǎng)絡(luò)的自整定，自適應(yīng)都非常好。從上面的仿真結(jié)果中，進(jìn)行比較分析后，可以得出常規(guī)PID控制系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)兩者對于在零時(shí)刻加幅度為1的階躍信號(hào)，它們有著不同響應(yīng)曲線。為了便于比較，可以將兩者的響應(yīng)結(jié)果列表。表 性能指標(biāo) 常規(guī)PID控制系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)最大超調(diào)量 % % 調(diào)整時(shí)間（s） ，在以上情況下，BP神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的最大超調(diào)量均比常規(guī)PID控制系統(tǒng)的最大超調(diào)量要小。同樣，如果把BP神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的控制品質(zhì)與常規(guī)PID控制系統(tǒng)的控制品質(zhì)相比，同樣可以發(fā)現(xiàn)，后者的控制品質(zhì)要比前后者好。 本章小結(jié) 本章主要是用 MATLAB/Simulink對常規(guī)PID控制系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)自整定PID控制系統(tǒng)進(jìn)行仿真對比，得出BP神經(jīng)網(wǎng)絡(luò)的控制效果明顯比常規(guī)的要好，它具有很強(qiáng)的自整定，自適應(yīng)功能。結(jié)論與展望人工神經(jīng)網(wǎng)絡(luò)理論(ArtifieialNeuralNetwork—ANN)是近十幾年速發(fā)展起來的一門新興學(xué)科。由于其獨(dú)特的特性，己應(yīng)用于控制、信號(hào)分析、音處理等多個(gè)領(lǐng)域中。在控制領(lǐng)域中，神經(jīng)網(wǎng)絡(luò)由于其具有強(qiáng)的非線性映射能自學(xué)習(xí)適應(yīng)能力、聯(lián)想記憶能力、并行信息處理方式及其優(yōu)良的容錯(cuò)性能，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(chǔ)和檢索功能。這些特得神經(jīng)網(wǎng)絡(luò)非常適合于復(fù)雜系統(tǒng)的建模與控制。特別是當(dāng)系統(tǒng)存在不確定性因時(shí)，更能體現(xiàn)simulink神經(jīng)網(wǎng)絡(luò)方法的優(yōu)越性。這些都很適合于控制系統(tǒng)中的非線性系的控制。本文針對在控制領(lǐng)域中應(yīng)用最廣泛的一類控制一PID控制在現(xiàn)代控求越來越高的情況下，由于常規(guī)PID控制自身的缺陷，在許多場合已經(jīng)不能再好的滿足控制性能要求的情況下，研究了一系列的改進(jìn)型PID控制器，其中主有如下成果:1．提出了基于BP算法的神經(jīng)網(wǎng)絡(luò)PID控制器。BP神經(jīng)網(wǎng)絡(luò)其具有逼近任非線性函數(shù)的能力，而且結(jié)構(gòu)和學(xué)習(xí)算法簡單明確，通過BP神經(jīng)網(wǎng)絡(luò)自身的學(xué)可以找到某一最優(yōu)控制律下的P，I，D參數(shù)。制系統(tǒng)，并對兩個(gè)系統(tǒng)進(jìn)行仿真得出仿真圖。在仿真的基礎(chǔ)上對兩者進(jìn)行了比得出應(yīng)用神經(jīng)網(wǎng)絡(luò)PID控制，系統(tǒng)的超調(diào)量要比常規(guī)PID控制要低，并且在控制品質(zhì)參數(shù)的比較中，神經(jīng)網(wǎng)絡(luò)PID控制也表現(xiàn)出比常規(guī)PID控制更好的品質(zhì)。盡管在應(yīng)用MATLAB/SIMULINK軟件對該系統(tǒng)進(jìn)行仿真取得了成功，但是神經(jīng)網(wǎng)絡(luò)PID控制還是一個(gè)比較新的研究領(lǐng)域，基于PID的控制理論還涉及到多個(gè)學(xué)科的關(guān)鍵技術(shù)，同時(shí)由于時(shí)間倉促加上筆者剛剛涉及這一領(lǐng)域，許多重要的研究內(nèi)容尚未涉及，有些雖進(jìn)行了研究但深度不夠。因此還存在局限性，需要進(jìn)一步的研究和完善。 ，在進(jìn)行系統(tǒng)訓(xùn)練時(shí)所花的時(shí)間過長(大概58秒左右)，這不利于系統(tǒng)的快速響應(yīng)。 ，在對目標(biāo)系統(tǒng)進(jìn)行仿真時(shí)，只能構(gòu)造一套獨(dú)立整定的參數(shù)，只能對系統(tǒng)的跟蹤特性和抗干擾特性進(jìn)行單一的整定，使得目標(biāo)系統(tǒng)的跟蹤特性和抗干擾特性不能同時(shí)達(dá)到最優(yōu)。 展望今后的工作，在現(xiàn)有工作的基礎(chǔ)上，還有很多的工作需要進(jìn)一步深入，筆者認(rèn)為至少在以下幾方面有進(jìn)一步研究的必要。主要有:。例如為了使學(xué)習(xí)速率足夠大，而且又不易產(chǎn)生振蕩，可以在權(quán)值調(diào)整算法中加入阻尼項(xiàng)的方法或者使用變步長的學(xué)習(xí)算法，這將提高BP學(xué)習(xí)算法的收斂速度，從而可以實(shí)現(xiàn)系統(tǒng)的快速響應(yīng)。對神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究這將是神經(jīng)網(wǎng)絡(luò)領(lǐng)域的一個(gè)具有可研究性的課題。，應(yīng)用其他性能更加優(yōu)良的網(wǎng)絡(luò)結(jié)構(gòu)來實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程，例如應(yīng)用RBF網(wǎng)絡(luò)結(jié)構(gòu)、小腦模型網(wǎng)絡(luò)等來進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，或者利用其他如:連續(xù)型Hopfield網(wǎng)絡(luò)、局部遞歸型神經(jīng)網(wǎng)絡(luò)等進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，從而改善利用BP網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)時(shí)的缺點(diǎn)。這是在應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行PID控制中具有挑戰(zhàn)性的一個(gè)研究方向。，二自由度、甚至多自由度PID控制將是一個(gè)具有應(yīng)用前景的課題。總之，本次論文雖然取得了一定成果，但在很多方面還只是探討性工作，在深度和廣度上還存在許多不足之處，懇請各位老師批評指正。致 謝 本論文是在導(dǎo)師郭興眾老師的嚴(yán)格要求和悉心指導(dǎo)下完成的。從論文的選題、資料收集、結(jié)構(gòu)設(shè)計(jì)以及論文的寫作、修改到最后定稿都凝聚著郭老師的心血和汗水。導(dǎo)師淵博的學(xué)識(shí)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、高尚的師德、孜孜不倦的敬業(yè)精神，無不極大地感動(dòng)和影響著我。導(dǎo)師不僅親自做出了治學(xué)和為人風(fēng)范，更親手教給了我治學(xué)和為人之道，這都將使我受益終生。在此謹(jǐn)向尊敬的導(dǎo)師表示衷心的感謝。 在本科期間，電氣系的老師們付出了辛勤的勞動(dòng)，才塑造了我的專業(yè)素養(yǎng)、培養(yǎng)了我的專業(yè)技能，在此表示崇高的敬意和真摯的感謝！ 整個(gè)學(xué)習(xí)期間，得到了舍友和朋友們的多方支持與鼓勵(lì)。幾年來，大家和睦相處、親如兄弟，但愿這深厚的情誼地久天長。在此感謝他們的幫助和關(guān)心。 感謝我的家人們。這么多年的人生和學(xué)習(xí)道路上，有他們始終如一的支特和厚愛了讓我從來沒有喪失對明天的希望，是他們用辛勤的勞動(dòng)和無悔的付出，支持著我在人生的道路上勇往直前。最后，衷心感謝評審論文的各位老師教授為本文提出寶貴意見和建議！ 作者： 2008年 6月 5日 參考文獻(xiàn) [1] 陶永華，[M]. 北京：機(jī)械工業(yè)出版社，1998 [2] 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,2004 [3] 易繼鍇，[M].北京：北京工業(yè)大學(xué)出版社，1999[4] [M]. 北京：科學(xué)出版社，2001 [5] 黃忠霖. 控制系統(tǒng)MATLAB計(jì)算及仿真[M]. 北京：國防工業(yè)出版社，2004[6] 陳樺，程云艷，BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及在MATLAB中的實(shí)現(xiàn)[J].陜西大學(xué)學(xué)報(bào)2004，22(2)，4547 [7] 趙娟平,　[J] .沈陽化工學(xué)院信息工程學(xué)院學(xué)報(bào),2007，21（2）： 134136 [8] 曾軍. 神經(jīng)網(wǎng)絡(luò)PID控制器的研究及仿真[D].湖南大學(xué)碩士研究生學(xué)位論文,2005 [9] [D]. 哈爾濱理工大學(xué),2004[10] 陳宇峰,　蔡　[J].2007, 40(3),1517[11] 黃永安，馬 路. MATLAB [M].清華大學(xué)出版社，2005[12] ，2001[13]飛思科技產(chǎn)品研發(fā)中心．．北京：電子工業(yè)出版社．2003[14]John neural network predictionbased variableperiod sampling approach for networked control systems .2006[15] Pete McCollum. XQ adaptive PID Controller and Its Application to Multiobjective control system with the satisfied @ 附 錄A 外文文獻(xiàn)及譯文XQ adaptive PID Controller and Its Application to Multiobjective control system with the satisfied Performance1. PID