【正文】 在實際調試中，只能先大致設定一個經驗值，然后根據(jù)調節(jié)效果修改。 對于流量系統(tǒng)：P（%）40100，I（分） 。 對于液位系統(tǒng)：P（%）2080，I（分）15 。 先是比例后積分，最后再把微分加。 曲線漂浮繞大灣，比例度盤往小扳。 曲線波動周期長，積分時間再加長。 動差大來波動慢，微分時間應加長。 一看二調多分析，調節(jié)質量不會低。并介紹了PID控制器的參數(shù)整定，本章為后面介紹神經網絡PID控制算法打下鋪墊。它是由簡單信息處理單元(人工神經元，簡稱神經元)互聯(lián)組成的網絡，能夠接受并處理信息。多年來，學者們己經建立了多種神經網絡模型，其中決定它們整體性能的因素主要是:神經元(信息處理單元)的特性。為適應環(huán)境而改善性能的學習規(guī)則等三個要素[3]。 圖31 MP神經元模型結構其中，:神經元i的輸出，它可以與其他多個神經元通過權連接。 :神經元的連接權值。 :神經元的非線性作用函數(shù)。學習規(guī)則就是修正神經元之間連接強度或加權系數(shù)的算法，使獲得的知識結構適應周圍環(huán)境的變化。學習算法可分為有監(jiān)督學習和無監(jiān)督學習兩類，并可表示如下： （35） 式中：為隨過程遞減的學習信號。在Hebb學習規(guī)則中，引入教師信號，即將換成希望輸出與實際輸出之差，就構成有監(jiān)督學習的學習規(guī)則 （37） 這種學習規(guī)則使神經元通過關聯(lián)搜索對未知的外界做出反應，即在教師信號 的指導下，對環(huán)境信息進行相關的學習和自組織，使相應的輸出增強或削弱[8]。隱含層的變換函數(shù)一般為非線性函數(shù)，如S型函數(shù)或雙曲正切函數(shù)（tanh x）。多層前向網絡能逼近任意非線性函數(shù)，在科學領域中有廣泛的應用。BP網絡中引入了最小二乘學習算法，即在網絡學習過程中，使網絡的輸出與期望輸出的誤差邊向后傳播邊修正連接強度（加權系數(shù)），以使其誤差均方值最小。不論學習過程是否結束，只要在網絡的輸入節(jié)點加入輸入信號，則這些信號將一層一層向前傳播，通過每一層時要根據(jù)當時的連接加權系數(shù)和節(jié)點的活化函數(shù)與閥值進行相應計算，所得的輸出再繼續(xù)向下一層傳送。在學習過程結束之前，如果前向網絡計算的輸出和期望輸出之間存在誤差，則轉入反向傳播，將誤差將沿著原來的連接通路回送，作為修改加權系數(shù)的依據(jù)，目標是使誤差減少[8]。以具有m個輸入、q個隱含節(jié)點、r個輸出的三層BP神經網絡結構為例，按逐個輸入法依次輸入樣本，則BP神經網絡輸入層的輸出為 j=1,2.......m （38） 隱含層第i個神經元的輸入、輸出可寫成 （39） i=1,2……q （310） 式中，隱含層加權系數(shù)；上標（1）、（2）、（3）分別代表輸入層、隱含層、輸出層，f()－活化函數(shù)，這里取為Sigmoid活化函數(shù)[8]。輸出將通過加權系數(shù)向前傳播到第l個神經元作為它的輸入之一，而輸出層的第l個神經元的總輸入為 （313）輸出層的第l個神經元的總輸出為 =1,2…… （314） 式中，：為輸出層加權系數(shù)，：活化函數(shù)。 BP神經網絡的誤差反向傳播和加權系數(shù)的調整在前向計算中，若實際輸出與理想輸出不一致，就要將其誤差信號從輸出端反向傳播回來，并在傳播過程中對加權系數(shù)不斷修正，使輸出層神經元上得到所需要的期望輸出為止。按照最速下降法，可得到神經元j到神經元i的權系數(shù)調整值，與 的負值成正比。 計算可分為以下兩種情況：，即i =k當i為輸出層神經元時，注意到： （322） 故當i為輸出層神經元時，它對應的連接權應該按照下列公式進行調整： （323） 。當前的通過它的直接后繼層的各個神經元的輸出去影響下一層各個神經元輸出，最終影響到。不妨假設當前層（神經元i所在層）的后繼層為第h層，該層各個神經元k的網絡輸入為所以，E對的偏導可以轉換成如下形式： （325） 所以，E對的偏導可以轉換成如下形式 （326） 由式（325），可得 （327） （328）與式（320）中的相比，式（328）中的為較后一層的神經元網絡輸入。即就是。第4章 BP神經網絡PID控制方法研究所謂“神經網絡”是以一種簡單計算處理單元（即神經元）為節(jié)點，采用某種網絡拓撲結構構成的活性網絡，可以用來描述幾乎任意的非線性系統(tǒng)；不見如此。神經網絡在控制系統(tǒng)中的應用提高了整個系統(tǒng)的信息系統(tǒng)處理能力和適應能力，提高了系統(tǒng)的智能水平。采用神經網絡方法設計的控制系統(tǒng)具有更快的速度(實時性)、更強的適應能力和更強的魯棒性[7]。傳統(tǒng)的控制系統(tǒng)設計是在系統(tǒng)數(shù)學模型己知的基礎上進行的，因此，它設計的控制系統(tǒng)與數(shù)學模型的準確性有很大的關系。神經網絡用于控制系統(tǒng)設計有多種類型，多種方式，既有完全脫離傳統(tǒng)設計的方法，也有與傳統(tǒng)設計手段相結合的方式[4]。本章將詳細介紹基于BP神經網絡的PID控制算法，然后對單閉環(huán)調速系統(tǒng)的進行設計，對其進行Matlab算法仿真。BP神經網絡具有逼近任意非線性函數(shù)的能力，而且結構和學習算法簡單明確?；贐P（Back Propagation）神經網絡的PID控制系統(tǒng)結構如圖41所示。②BP神經網絡：根據(jù)系統(tǒng)的運行狀態(tài)，調節(jié)PID控制器的參數(shù)，以其達到某種性能指標的最優(yōu)化，即使輸出層神經元的輸出狀態(tài)對應于PID控制器的三個可調參數(shù)、通過神經網絡的自身學習、加權系數(shù)調整，從而使其穩(wěn)定狀態(tài)對應于某種最優(yōu)控制規(guī)律下的PID的控制器參數(shù)[1]。將、視為依賴于系統(tǒng)運行狀態(tài)的可調系數(shù)時，可將（44）描述為 （45） 式中，是與、u(k1)、y(k)等有關的非線性函數(shù)，可以用BP神經網絡通過訓練和學習找到這樣一個最佳控制規(guī)律。輸入節(jié)點對應所選的系統(tǒng)運行狀態(tài)量，如系統(tǒng)不同時刻的輸入量和輸出量等，必要時進行歸一化處理。由圖可見，BP神經網絡的輸入為負，所以輸出層神經元活化函數(shù)取非負的Sigmoid函數(shù)[6]。最后，網絡輸出層三個節(jié)點的輸入、輸出分別為 （49） =1,2,3 （410）即 （411） 式中，為輸出層加權系數(shù)，輸出層神經元活化函數(shù)為 。而 （414） 這里需要用到的變量，由于未知，所以近似用取代，由此帶來計算不精確的影響可以通過調整學習速率ρ來補償。3．計算神經網絡NN各層神經元的輸入、輸出，NN輸出層的輸出即為PID控制 器的三個可調參數(shù)、。其算法流程圖如圖43所示: 初始化 給定輸入向量和目標輸出 求隱含層、輸出層各節(jié)點輸出 求目標值與實際輸出的偏差 計算反向誤差 權值學習 學習結束？ 結束 Y N 圖43 BP網絡算法流程圖 本章小結 本章主要是對BP神經網絡的PID控制的方法進行了詳細的闡述，為下一章的仿真打下了理論基礎。 MATLAB 將高性能的數(shù)值計算和可視化集成在一起，并提供了大量的內置函數(shù)，從而被廣泛地應用于科學計算、控制系統(tǒng)、信息處理等領域的分析、仿真和設計工作，而且利用 MATLAB 產品的開放式結構，可以非常容易地對 MATLAB 的功能進行擴充，從而在不斷深化對問題認識的同時，不斷完善 MATLAB 產品以提高產品自身的競爭能力。 MATLAB 是 MATLAB 產品家族的基礎，它提供了基本的數(shù)學算法，例如矩陣運算、數(shù)值分析算法， MATLAB 集成了 2D 和 3D 圖形功能，以完成相應數(shù)值可視化的工作，并且提供了一種交互式的高級編程語言—— M 語言，利用 M 語言可以通過編寫腳本或者函數(shù)文件實現(xiàn)用戶自己的算法。這樣就可以擴展 MATLAB 功能，使 MATLAB 能夠同其他高級編程語言例如 C/C++ 語言進行混合應用，取長補短，以提高程序的運行效率，豐富程序開發(fā)的手段。這些工具箱應用的算法是開放的可擴展的，用戶不僅可以查看其中的算法，還可以針對一些算法進行修改，甚至允許開發(fā)自己的算法擴充工具箱的功能。 Simulink 是基于 MATLAB 的框圖設計環(huán)境，可以用來對各種動態(tài)系統(tǒng)進行建模、分析和仿真，它的建模范圍廣泛，可以針對任何能夠用數(shù)學來描述的系統(tǒng)進行建模，例如航空航天動力學系統(tǒng)、衛(wèi)星控制制導系統(tǒng)、通訊系統(tǒng)、船舶及汽車等等，其中了包括連續(xù)、離散，條件執(zhí)行，事件驅動，單速率、多速率和混雜系統(tǒng)等等。 Stateflow 是一個交互式的設計工具，它基于有限狀態(tài)機的理論，可以用來對復雜的事件驅動系統(tǒng)進行建模和仿真。 在 MATLAB 產品族中，自動化的代碼生成工具主要有 RealTime Workshop （RTW ）和 Stateflow Coder ，這兩種代碼生成工具可以直接將 Simulink 的模型框圖和 Stateflow 的狀態(tài)圖轉換成高效優(yōu)化的程序代碼。目前 RTW 支持生成標準的 C 語言代碼，并且具備了生成其他語言代碼的能力。 MathWorks 公司針對不同的實時或非實時操作系統(tǒng)平臺，開發(fā)了相應的目標選項，配合不同的軟硬件系統(tǒng)，可以完成快速控制原型（ Rapid Control Prototype ）開發(fā)、硬件在回路的實時仿真（ HardwareinLoop ）、產品代碼生成等工作。代碼不僅可以是浮點的，還可以是定點的。接口方式包括了聯(lián)合建模、數(shù)據(jù)共享、開發(fā)流程銜接等等。 主要的典型應用包括： 控制系統(tǒng)的應用與開發(fā)——快速控制原型與硬件在回路仿真的統(tǒng)一平臺 dSPACE 。 機電一體化設計與開發(fā)——全系統(tǒng)的聯(lián)合仿真，結合 Easy 5 、 Adams。在SIMULINK環(huán)境中，利用鼠標就可以在模型窗口中直觀地“畫”出系統(tǒng)模型，然后直接進行仿真。它與傳統(tǒng)的仿真軟件包微分方程和差分方程建模相比，具有更直觀、方便、靈活的優(yōu)點。用戶也可以定制和創(chuàng)建用戶自己的模塊。
用戶可以從最高級開始觀看模型，然后用鼠標雙擊其