【正文】 制是一種最簡(jiǎn)單的控制方式。 PID控制原理v（t）微分 比例 積分 被控對(duì)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(jìn)行控制的PID控制器是應(yīng)用最為廣泛的一種自動(dòng)控制器。數(shù)字PID控制在生產(chǎn)過程中是一種最普遍采用的控制方法，在冶金、機(jī)械、化工等行業(yè)中獲得了廣泛的應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，不斷調(diào)節(jié)PID控制器的三個(gè)參數(shù)，以期達(dá)到某種性能指標(biāo)的最優(yōu)化，使輸出神經(jīng)元的輸出狀態(tài)對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)Kp，Ki，Kd并通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)自調(diào)整使神經(jīng)網(wǎng)絡(luò)的輸出對(duì)應(yīng)于某種最優(yōu)規(guī)律下的PID控制器參數(shù)。針對(duì)以上問題,本文進(jìn)行了一些相關(guān)的探索,通過對(duì)BP神經(jīng)網(wǎng)絡(luò)的研究對(duì)PID控制進(jìn)行了深入的探討。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(fù)雜無規(guī)則系統(tǒng)的控制開辟了新途徑。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BP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。但是常規(guī)的PID控制的局限性在于:當(dāng)被控對(duì)象具有復(fù)雜的非線性特性，難以建立精確的數(shù)學(xué)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(shí)還因?yàn)樵稀h(huán)境和工況等的變化而引起參數(shù)的時(shí)變現(xiàn)象和不可忽視的隨機(jī)擾動(dòng)，所以常規(guī)的PID控制要進(jìn)行在線參數(shù)整定是十分困難的。而工業(yè)現(xiàn)場(chǎng)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(duì)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。 神經(jīng)網(wǎng)絡(luò)應(yīng)用時(shí)不需考慮過程或現(xiàn)象的內(nèi)在機(jī)理一些高度非線性和高度復(fù)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(shí)、控制器設(shè)計(jì)、優(yōu)化操作、故障分析與診斷等領(lǐng)域迅速得到應(yīng)用。主要的研究集中在網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)算法和實(shí)際應(yīng)用方面。在這一時(shí)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(xué)習(xí)算法應(yīng)運(yùn)而生，硬件實(shí)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(gè)領(lǐng)域，并在智能控制、模式識(shí)別、自適應(yīng)濾波和信號(hào)處理、非線性優(yōu)化、傳感技術(shù)和機(jī)器人、生物醫(yī)學(xué)工程等方面取得了令人鼓舞的進(jìn)展。他通過引入“能量函數(shù)”的概念，給出了網(wǎng)絡(luò)的穩(wěn)定性判據(jù)。而同時(shí)由于數(shù)字計(jì)算機(jī)的成功，使得整個(gè)學(xué)術(shù)界陶醉于數(shù)字計(jì)算機(jī)的成功中，從而掩蓋了發(fā)展新型模擬計(jì)算機(jī)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。從而在60年代，掀起了神經(jīng)網(wǎng)絡(luò)研究的第一次熱潮。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。他們提出了第一個(gè)神經(jīng)元模型MP模型。人工神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，NN)是由人工神經(jīng)元(簡(jiǎn)稱神經(jīng)元)互聯(lián)組成的網(wǎng)絡(luò)。它不僅能得出精確的數(shù)據(jù)，還有比較直觀的圖形。計(jì)算機(jī)仿真目前已經(jīng)成為解決工程實(shí)際問題的重要手段，MATLAB/Simulink 軟件已成為其中功能最強(qiáng)大的仿真軟件之一。當(dāng)前，由于控制系統(tǒng)的對(duì)象規(guī)模越來越大，對(duì)象結(jié)構(gòu)越來越復(fù)雜．對(duì)象種類越來越繁多，控制手段越來越復(fù)雜，因此，在控制系統(tǒng)的設(shè)計(jì)過程中，控制系統(tǒng)的仿真研究也就基本取代了物理系統(tǒng)的實(shí)驗(yàn)研究。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(jìn)入工程化和實(shí)用化的時(shí)代，并已有商品出售。由于各種實(shí)際工程系統(tǒng)的發(fā)展規(guī)模越來越大，復(fù)雜性越來越高，常規(guī)控制的理論和技術(shù)已無法滿足工程上對(duì)提高自動(dòng)化水平和擴(kuò)大自動(dòng)化范圍的要求，因此，科學(xué)技術(shù)的進(jìn)步促使了智能控制技術(shù)的建立與發(fā)展。本設(shè)計(jì)正是利用BP神經(jīng)網(wǎng)絡(luò)PID控制器對(duì)一個(gè)單閉環(huán)調(diào)速系統(tǒng)進(jìn)行仿真研究，并和常規(guī)的PID控制進(jìn)行對(duì)比，從而得出BP神經(jīng)網(wǎng)絡(luò)PID控制器具有較強(qiáng)的自整定、自適應(yīng)的優(yōu)點(diǎn)。它具有不依賴系統(tǒng)精確數(shù)學(xué)模型的特點(diǎn)，對(duì)系統(tǒng)參數(shù)變化具有較好的魯棒性。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(yáng)長(zhǎng)避短，發(fā)揮各自的優(yōu)勢(shì)，形成所謂智能PID控制。因此常規(guī)PID控制的應(yīng)用受到很大的限制和挑戰(zhàn)。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(jiǎn)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(xué)模型的確定性控制系統(tǒng)。而實(shí)際工業(yè)生產(chǎn)過程中往往具有非線性，時(shí)變不確定性，因而難以建立精確的數(shù)學(xué)模型，應(yīng)用常規(guī)PID控制器不能達(dá)到到理想的控制效果，在實(shí)際生產(chǎn)過程中，由于受到參數(shù)整定方法繁雜的困擾，常規(guī)PID控制器參數(shù)往往整定不良，性能欠佳，對(duì)運(yùn)行工況的適應(yīng)性很差[1]。人們對(duì)PID應(yīng)用的同時(shí)，也對(duì)其進(jìn)行各種改進(jìn)，主要體現(xiàn)在兩個(gè)方面：一是對(duì)常規(guī)PID本身結(jié)構(gòu)的改進(jìn)，即變結(jié)構(gòu)PID控制。這種新型控制器己引起人們的普遍關(guān)注和極大的興趣，并已得到較為廣泛的應(yīng)用。主要算法有:基于規(guī)則的智能PID自學(xué)習(xí)控制算法、加辨識(shí)信號(hào)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(yù)測(cè)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。第1章 緒論隨著科學(xué)技術(shù)的迅速發(fā)展和進(jìn)步，對(duì)控制系統(tǒng)提出了新的更高要求。 智能控制是一類無需人的干預(yù)就能夠獨(dú)立的驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動(dòng)控制。在控制系統(tǒng)的實(shí)驗(yàn)研究中，可以在實(shí)際物理系統(tǒng)上進(jìn)行，也可以通過物理裝置模型進(jìn)行研究。一般只有到了控制系統(tǒng)設(shè)計(jì)的最后階段——系統(tǒng)調(diào)試階段，才有可能進(jìn)行實(shí)際系統(tǒng)實(shí)驗(yàn)。當(dāng)然，該軟件對(duì)BP神經(jīng)網(wǎng)絡(luò)的PID控制研究提供了非常大的幫助。給我們提供了較好的理論依據(jù)，以便更好的研究。是1943年由心理學(xué)家McCulloch和數(shù)學(xué)家Pitts提出的。1949年心理學(xué)家Hebb提出了改變神經(jīng)元連接強(qiáng)度的Hebb規(guī)則。1960年Widrow和Hoff提出了自適應(yīng)線性元件(Adaline)模型以及神經(jīng)網(wǎng)絡(luò)PID控制器研究及仿真Widrow一Hoff學(xué)習(xí)規(guī)則。但是此后隨著研究的深入，人們?cè)趹?yīng)用和實(shí)現(xiàn)方面遇到了一時(shí)難以解決的難題。80年代，美國加州工學(xué)院物理學(xué)家HoPfield提出了HNN模型，使神經(jīng)網(wǎng)絡(luò)的研究有了突破性進(jìn)展。此外，HNN的電子電路實(shí)現(xiàn)為神經(jīng)計(jì)算機(jī)研究奠定了基礎(chǔ)，同時(shí)開拓了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)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。使神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了一個(gè)空前高漲的時(shí)期。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(jìn)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(jìn)一步發(fā)展與完善。神經(jīng)網(wǎng)絡(luò)控制作為二十一世紀(jì)的自動(dòng)化控制技術(shù)，國內(nèi)外理論與實(shí)踐均充分證明，其在工業(yè)復(fù)雜過程控制方面大有用武之地。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?yàn)镻ID控制器結(jié)構(gòu)簡(jiǎn)單，實(shí)現(xiàn)容易，且能對(duì)相當(dāng)一些工業(yè)對(duì)象(或者過程)進(jìn)行有效的控制。而常規(guī)自校正控制是在被控對(duì)象為線性對(duì)象的前提下進(jìn)行研究的，面對(duì)工業(yè)過程的非線性對(duì)象，它也存在許多不盡人意之處。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(duì)于具有非線性、時(shí)變不確定的系統(tǒng)，無法達(dá)到理想的控制效果。在實(shí)際生產(chǎn)現(xiàn)場(chǎng)中,由于受到參數(shù)整定方法繁雜的困擾,常規(guī)PID控制器參數(shù)往往整定不良、性能欠佳,對(duì)運(yùn)行工況的適應(yīng)性也很差。采用BP網(wǎng)絡(luò)不但可以加快學(xué)習(xí)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。第2章 數(shù)字PID控制簡(jiǎn)介自從計(jì)算機(jī)進(jìn)入控制領(lǐng)域以來，用數(shù)字計(jì)算機(jī)代替模擬計(jì)算機(jī)調(diào)節(jié)器組成計(jì)算機(jī)控制系統(tǒng)，不僅可以用軟件實(shí)現(xiàn)PID控制算法，而且可以利用計(jì)算機(jī)的邏輯功能，使PID控制更加靈活。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(jìn)和幾種常用的數(shù)字PID控制系統(tǒng)。yout 圖21 PID控制系統(tǒng)原理框圖常規(guī)PID控制系統(tǒng)原理框圖如圖21所示，系統(tǒng)主要由模擬PID控制器和被控對(duì)象組成。其控制器的輸出與輸入誤差信號(hào)成比例關(guān)系。在積分（I）控制中，控制器的輸出與輸入誤差信號(hào)的積分成正比關(guān)系。為了消除穩(wěn)態(tài)誤差，在控制器中必須引入“積分項(xiàng)”。這樣，即便誤差很小，積 分項(xiàng)也會(huì)隨著時(shí)間的增加而加大，它推動(dòng)控制器的輸出增大使穩(wěn)態(tài)誤差進(jìn)一步減小，直到等于零。 在微分（D）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。其原因是由于存在有較大慣性組件（環(huán)節(jié)）或有滯后(delay)組件，具有抑制誤差的作用， 其變化總是落后于誤差的變化。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等于零，甚至為負(fù)值，從而避免了被控量的嚴(yán)重超調(diào)。在PID控制器中，比例部分產(chǎn)生與偏差成正比的輸出信號(hào)，以便消除偏差；積分部分產(chǎn)生與偏差的積分值成正比的輸出信號(hào)，以便消除系統(tǒng)的靜態(tài)誤差；微分部分產(chǎn)生與偏差的變化率成正比的輸出信號(hào)，以便加快控制器的調(diào)節(jié)速率，縮短過度時(shí)間，減少超調(diào)。 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。概括而言，PID控制器的比例、積分和微分三個(gè)校正環(huán)節(jié)的作用如下：比例環(huán)節(jié)：能迅速反映控制系統(tǒng)的誤差，減少穩(wěn)態(tài)誤差，但比例控制不能消除穩(wěn)態(tài)誤差，比例放大系數(shù)的加大，會(huì)引起系統(tǒng)的不穩(wěn)定。微分作用：減少超調(diào)量及克服振蕩，使系統(tǒng)的穩(wěn)定性提高，同時(shí)加快系統(tǒng)的動(dòng)態(tài)響應(yīng)速度，減少調(diào)整時(shí)間，從而改善系統(tǒng)的動(dòng)態(tài)性能。而這在實(shí)際的工業(yè)控制中，由于被控對(duì)象具有非線性、時(shí)變性等特性，難以建立精確的數(shù)學(xué)模型或其特征參數(shù)難以在線獲得，從而使其應(yīng)用受到限制。與連續(xù)PID控制相比，數(shù)字PID控制有其優(yōu)越性，因?yàn)橛?jì)算機(jī)程序靈活性，很容易克服連續(xù)PID控制中存在的問題，經(jīng)修正得到更完善的數(shù)字PID算法。計(jì)算機(jī)控制是一種采樣控制，它只能根據(jù)采樣時(shí)刻的偏差值計(jì)算控制量。當(dāng)采樣周期相當(dāng)短時(shí)，可以用求和代替積分，用差商代替微分，即做如下近似變換： （24） 式中，k－采樣序號(hào)，k=1，2，…，T－采樣周期。將（24）代入（22），可得離散的PID表達(dá)式為 （25）或 （26）式中, 。由于計(jì)算機(jī)輸出u (k)直接去控制執(zhí)行機(jī)構(gòu)，u (k)的值與執(zhí)行機(jī)構(gòu)的位置是一一對(duì)應(yīng)，所以式（25）或式（26）為位置式PID控制算法。計(jì)算機(jī)若出現(xiàn)故障，會(huì)引起執(zhí)行機(jī)構(gòu)位置大幅度的變化，這種情況往往在生產(chǎn)實(shí)踐中不允許，在某些場(chǎng)合，還可能造成重大生產(chǎn)事故，因而產(chǎn)生增量式PID控制的控制算法[2]。根據(jù)遞推原理可得 （27） 用式（26）減式（27），可得增量式PID控制算法 （28） 式（28）稱為增量式PID控制算法，將其進(jìn)一步可改寫為 （29） 式中，用增量式PID控制算法有以下優(yōu)點(diǎn)：1．增量算法不需要累加，控制量增量的確定僅與最近幾次誤差采樣值有關(guān)，存在計(jì)算誤差與精度不足時(shí)，對(duì)控制量計(jì)算影響較小。3．手動(dòng)—自動(dòng)切換時(shí)沖擊比較小。它是根據(jù)被控過程的特性確定PID控制器的比例系數(shù)、積分時(shí)間和微分時(shí)間的大小。它主要是 依據(jù)系統(tǒng)的數(shù)學(xué)模型，經(jīng)過理論計(jì)算確定控制器參數(shù)。二是工程整定方法，它主 要依賴工程經(jīng)驗(yàn)，直接在控制系統(tǒng)的試驗(yàn)中進(jìn)行，且方法簡(jiǎn)單、易于掌握，在工程實(shí)際中被廣泛采用。三種方法各有其特點(diǎn)，其共同點(diǎn)都是通過試驗(yàn)，然后按照工程經(jīng)驗(yàn)公式對(duì)控制器參數(shù)進(jìn)行整定?，F(xiàn)在一般采用的是臨界比例法。