神经网络自适应PID控制器的研究与仿真

论文摘要

PID控制器结构简单,鲁棒性强,目前在很多方面都有着广泛的应用。但是随着科学技术的不断发展和进步,被控对象变得越来越复杂,传统的PID控制器对时变系统和非线性系统往往得不到较好的控制效果。神经网络具有自适应和自学习能力,神经网络对传统的PID控制器进行改造后,对工业控制中的复杂系统的控制有着更好的控制效果,可以有效地改善由于系统结构和参数变化而导致的控制效果不稳定的状况。本文对神经网络自适应PID控制器进行了仿真研究,主要有以下几个方面的工作:(1)深入细致的分析了神经网络的理论基础及其神经网络的学习规则,引出了单神经元自适应PID控制器和基于BP神经网络整定的PID控制器。(2)对单神经元自适应PID控制器和基于BP神经网络整定的PID控制器作了仿真研究,仿真结果表明,这两种神经网络自适应PID控制器不但具有PID控制的优点而且还具有神经网络控制的自适应特点,能够对控制对象变化以及外来的扰动做出及时调整,保证系统的顺利运行。(3)在论证了神经网络自适应PID控制器的优越性的基础上,将单神经元自适应PID控制应用在了双闭环直流调速系统中,通过仿真分析,双闭环调速系统的跟随性能、抗扰性能及鲁棒性能都得到了改善,达到了预期的效果。

论文目录

• 目录
• 摘要
• Abstract
• 前言
• 1、本课题研究的目的与意义
• 2、论文的整体安排
• 第一章 神经网络控制的发展与应用
• 1、传统控制理论的局限性
• 2、神经网络控制的发展与现状
• 3、人工神经网络与自动控制
• 4、总结
• 第二章 神经网络的理论基础
• 1、生物神经元的结构
• 2、生物神经元的信息处理机理
• 3、人工神经元的建模
• 4、人工神经元的数学模型
• 5、激活函数
• 6、神经网络的学习方式
• 6、1 有监督学习
• 6、2 无监督学习
• 7、神经网络的学习规则
• 7、1 联想式学习—Hebb规则
• 7、2 梯度下降法
• 8、网络拓扑结构
• 8、1 感知器
• 8、1、1、单层感知器
• 8、1、2 多层感知器
• 8、2 BP网络
• 9、总结
• 第三章 单神经元自适应PID控制器
• 1、神经元PID控制器
• 2、神经元自适应PID控制器
• 3、几种典型的单神经元自适应PID控制器学习规则
• 3、1 无监督的Hebb学习规则
• 3、2 有监督Hebb学习规则
• 3、3 改进的Hebb学习规则
• 4、单神经元自适应PID控制器的研究与仿真
• 4、1 对阶跃信号的跟踪
• 4、2 对方波信号的跟踪
• 4、3 对外部干扰的适应性
• 4、4 对外部对象发生变化时的适应性（鲁棒性）
• 5、单神经元自适应PID控制器学习规则可调参数的选取
• 6、总结
• 第四章 基于BP神经网络整定的PID控制
• 1、基于BP神经网络的PID整定原理
• 2、BP神经网络PID控制器的仿真研究
• 3、仿真结果
• 3、1 对阶跃信号的跟踪
• 3、2 对外部干扰的适应性
• 3、3 系统对象发生变化时的适应性
• 4、总结
• 第五章 单神经元自适应PID控制器的应用
• 1、直流电动机概述
• 2、仿真实验系统的性能指标要求:
• 3、双闭环直流调速系统的动态结构图
• 4、仿真研究
• 4、1 转速电流双闭环控制的直流调速系统仿真
• 4、2 单神经元自适应PID控制器在直流调速系统中的仿真
• 5、仿真结果
• 5、1 系统的跟随性能
• 5、2 系统的抗扰性能
• 5、3 系统的鲁棒性能
• 6、仿真结果分析:
• 7、总结
• 第六章 单神经元自适应PID控制器的实施策略
• 1、系统硬件的总体设计
• 2、系统的硬件设计
• 2、1 触发电路
• 2、2 脉冲功率放大电路
• 2、3 保护环节的实现
• 2、4 信号检测及处理电路
• 2、4、1 速度反馈取样信号
• 2、4、2 电流反馈取样电路
• 2、4、3 给定电压信号的调理电路
• 2、5 串行通讯接口
• 2、6 ICETECK-F2812-A评估板介绍
• 3、系统的软件设计
• 3、1 主程序
• 3、2 A/D中断处理子程序
• 3、3 电流环子程序的设计
• 3、4 速度环子程序的设计
• 3、5 单神经元自适应PID控制策略的软件实现
• 4、总结
• 第七章 结论与展望
• 1、总结
• 2、展望
• 致谢
• 主要参考文献
• 附录
• 本文中用到的部分程序代码
• 已公开发表的论文