神经网络PID在PLC系统控制中的应用研究

神经网络在PLC控制系统中的应用2010-11-11 18:30:00 来源：中国自动化网浏览：47 网友评论条点击查看摘要：神经网络具有自学习、自调整、自适应能力。

本文介绍了由PLC控制实现的神经网络PID自适应控制器。

实验表明，该技术对于提高控制精度是行之有效的。

具有在调速系统中推广应用的价值。

关键词：PLC;PID控制器;神经网络;直流调速系统一、引言虽然目前的交、直流传动系统都有较成熟的控制方案，采用线性PI或PID 调节器可以取得基本满意的控制效果。

但是，常参数的PID调节器只对线形系统有效，它们的控制性能因为系统的非线性而降低。

在电力传动系统中，虽可以建立电机模型，但是电机本身和负载的一些参数（如交流电机的转子电阻、拖动负载的转动惯量）是无法确定的、时变的。

电气设备的机械饱和特性，开关的失控时间、控制延时都是不能精确建模的非线性因素。

然而将模糊与神经网络技术引入电力传动系统设计智能控制器却可以很好地克服电力传动对象变参数、非线性等问题，大大提高系统的鲁棒性。

引入模糊与神经网络技术的主要优点是不需要过程的复杂模型，而且适应性强，容易实现。

本文是将PID控制规律融进神经网络[3]之中，实现神经网络与PID控制规律的本质结合，共同完成PID自适应调节，并用PLC实现神经网络PID自适应控制，确保电力传动系统的控制精度和可靠性。

二、PID自适应控制器常规PID控制算法为：（1）用求和代替积分，微分用有限差分代替，即上式为：（2）式中T为采样周期，KP是比例系数，KI=KP/TI是积分比例系数，KD=KPTD是微分比例系数。

根据上式，组成由两层线性神经网络构造的控制器，如图1所示。

它是由比例、积分、微分三个单元组成的一种动态前向网络，各层神经元个数、连接方式、连接权值是按PID 控制规律的基本原则和已有的经验确定，能够保证系统的稳定和快速收敛。

图1神经网络PID自适应控制器其中r为系统给定值，y为系统输出值，d为标定值， Lr为学习步长：0<LR三、PLC控制系统的组成本文用PLC实现神经网络PID自适应控制，并应用于直流逻辑无环流可逆调速控制系统，使系统的控制精度达到了只有理论上才能实现的无静差。

PLC中的PID死区控制算法一、概述在工业控制领域，PID控制算法是最常见的控制算法之一，它通过比较实际值和期望值之间的差异，对控制系统的输出进行调整，从而使实际值逐渐趋向于期望值。

然而，在一些特定的应用场景下，PID控制算法可能会出现“死区”现象，即系统输出在没有发生明显变化的情况下停滞不前。

为了解决这一问题，PLC中引入了PID死区控制算法，本文将对其原理和应用进行详细介绍。

二、PID控制算法的原理1. 比例控制部分（P）比例控制部分以实际值与期望值之间的偏差（e）为输入，通过乘以一个比例系数（Kp）得到输出。

比例控制部分的作用是快速响应系统的变化，但存在无法消除静差的缺点。

2. 积分控制部分（I）积分控制部分将实际值与期望值之间的偏差进行累积，通过乘以一个积分系数（Ki）得到输出。

积分控制部分的作用是消除静差，但存在响应速度慢的缺点。

3. 微分控制部分（D）微分控制部分以偏差的变化率为输入，通过乘以一个微分系数（Kd）得到输出。

微分控制部分的作用是抑制系统振荡，但存在对噪声敏感的缺点。

以上三个部分的输出之和即为PID控制算法的最终输出。

三、PID死区控制算法的原理在实际工业应用中，由于某些因素的影响，控制系统的输出可能会受到一定范围内的限制，这就产生了所谓的“死区”。

当系统输出处于死区内时，PID控制算法的作用就会减弱甚至消失，导致系统无法正常运作。

为了解决这一问题，PLC中引入了PID死区控制算法。

PID死区控制算法的原理是在PID控制算法的基础上加入死区补偿部分，当系统输出处于死区内时，死区补偿部分会根据系统的状态进行调整，从而使系统能够正常运作。

四、PID死区控制算法的应用PID死区控制算法在工业控制领域得到了广泛的应用，以下是一些具体的应用场景：1. 电机控制在电机控制系统中，PID死区控制算法可以有效解决电机启动和停止时产生的死区现象，提高电机的控制精度和响应速度。

2. 温度控制在温度控制系统中，PID死区控制算法可以应对物体温度变化缓慢或者受环境影响导致的死区现象，保证控制系统的稳定性和精度。

基于PLC的单神经元PID控制器的实现任俊杰自动化学院，北京联合大学，北京，100101，中国******************.cn摘要：考虑到复杂的控制系统非线性，纯滞后，大惯性，以及随时间变化的特点，传统的PID控制算法通常未能获得较好的控制效果。

将神经网络控制算法与传统的PID控制算法结合起来，神经元自适应PID控制能有效地提高了系统的性能。

本文设计的基于PLC的是一个单一的神经元PID控制器。

该控制系统的结构是简单的。

实现单神经元PID算法的功能块程序写在结构控制语言（SCL）。

该函数块具有常用和方便的特点。

实验结果表明，这种方法不仅高效，而且实用。

关键词：单神经元，PID，PLC，SCLI.简介由于PID控制算法简单，易于实施和良好的鲁棒性，它被广泛应用于工业过程控制系统。

但是，对于一个复杂的控制系统的非线性，纯时间延迟，大惯量和随时间变化的特性，传统的PID控制算法通常不能获得更好的控制效果。

添加先进的智能控制传统的PID控制算法，控制效果会更理想。

具有近似任意连续有界非线性函数的功能，神经网络是一种来解决非线性系统和不确定的系统有效的方式[1]。

在本文中，神经网络与传统的PID控制结合为应用PLC的神经自适应PID控制器。

他们发挥各自的优势。

与传统的PID控制相比，它具有超调小，控制高精度，抗干扰性能强的优点。

II.基于PLC的控制系统的结构单神经元PID控制器被应用到控制系统。

它具有传统PID的优点，并且还具有神经网络的优点，如并联结构，结构简单，学习和记忆功能和以及容易实现的特点[2]。

图1显示了用PLC作为控制器的单神经元PID控制系统。

图1中的虚线表示的是单个神经元PID控制器。

实际输出值y用计量装置转换为1-5V的电压信号或4-20mA的电流信号。

模拟信号连接到PLC的AI模块进行A / D转换。

用户程序中，比较了测量值y与设定值r，误差e测量和转换为三个输入信号的单神经元对应的比例，也比较了积分和差的功能。

基于PLC的PID温度控制系统设计（附程序代码）摘要自动控制系统在各个领域尤其是工业领域中有着及其广泛的应用，温度控制是控制系统中最为常见的控制类型之一。

随着PLC技术的飞速发展，通过PLC对被控对象进行控制日益成为今后自动控制领域的一个重要发展方向。

温度控制系统广泛应用于工业控制领域，如钢铁厂、化工厂、火电厂等锅炉的温度控制系统。

而温度控制在许多领域中也有广泛的应用。

这方面的应用大多是基于单片机进行PID 控制, 然而单片机控制的DDC 系统软硬件设计较为复杂, 特别是涉及到逻辑控制方面更不是其长处, 然而PLC 在这方面却是公认的最佳选择。

根据大滞后、大惯性、时变性的特点，一般采用PID调节进行控制。

随着PLC功能的扩充，在许多PLC 控制器中都扩充了PID 控制功能, 因此在逻辑控制与PID控制混合的应用场所中采用PLC控制是较为合理的。

本设计是利用西门子S7-200PLC来控制温度系统。

首先研究了温度的PID调节控制，提出了PID的模糊自整定的设计方案，结合MCGS监控软件控制得以实现控制温度目的。

关键词:PLC;PID;温度控制沈阳理工大学课程设计论文目录1 引言...................................................................... (1)1.1 温度控制系统的意义...................................................................... .. (1)1.2 温度控制系统背景...................................................................... .................. 1 1.3 研究技术介绍...................................................................... .. (1)1.3.1 传感技术...................................................................... (1)1.3.2PLC .................................................................... . (2)上位机...................................................................... ............................1.3.3 31.3.4 组态软件...................................................................... ........................ 3 1.4 本文研究对象...................................................................... .. (4)2 温度PID控制硬件设计...................................................................... (5)2.1 控制要求...................................................................... .................................. 5 2.2 系统整体设计方案...................................................................... .................. 5 2.3 硬件配置...................................................................... . (6)2.3.1 西门子S7-200CUP224 ................................................................. .. (6)2.3.2 传感器...................................................................... . (6)2.3.3 EM235模拟量输入模块.....................................................................72.3.4 温度检测和控制模块...................................................................... .... 8 2.4 I/O分配表 ..................................................................... ................................ 8 2.5 I/O接线图 ..................................................................... .. (8)3 控制算法设计...................................................................... .. (9)3.1 P-I-D控制...................................................................... .............................. 9 3.2 PID回路指令 ..................................................................... .. (11)3.2.1 PID算法 ..................................................................... .. (11)3.2.2 PID回路指令 ..................................................................... (14)3.2.3 回路输入输出变量的数值转换 (16)3.2.4 PID参数整定 ..................................................................... (17)4 程序设计...................................................................... .. (19)4.1 程序流程图...................................................................... .............................. 19 4.2 梯形图...................................................................... .. (19)I沈阳理工大学课程设计论文5 调试...................................................................... . (23)5.1 程序调试...................................................................... .. (23)5.2 硬件调试...................................................................... .. (23)结束语...................................................................... .................................................... 24 附录程序代码...................................................................... ........................................ 25 参考文献...................................................................... (27)II沈阳理工大学课程设计论文1引言1.1 温度控制系统的意义温度及湿度的测量和控制对人类日常生活、工业生产、气象预报、物资仓储等都起着极其重要的作用。

BP神经网络在PID控制中的应用作者：杜金明姜旭日王传俊吴双佚来源：《科学与财富》2019年第11期摘要：系统控制是吸引工程学界关注的领域之一。

当系统有时间延迟并需要精确控制时。

控制设计是一项艰巨的任务，需要先进的控制理论。

在许多控制方案中，PID控制广泛用于工程系统，但调整PID参数的方法通常需要时间和精力才能实现精确控制。

BP神经网络可以用于设计神经网络系统。

一个神经网络模型（NNM）用于工厂识别，另一个神经网络控制器（NNC）可以相应地调整PID参数。

通过NNM在线学习和修复，可以预测工厂产量。

此外，该技术用于识别工厂的模型。

通过模拟实验和实际测试将结果与现有方法的结果进行比较。

验证显示了改进的有效性和稳健性。

关键词：PID控制；神经网络；数学模型一、介绍作为今天的世界，随着技术的进步，人们每天都在创造各种高科技产品。

飞机，远程手术机器和工业机器人等产品使人们的生活变得更加便利。

但是，需要精确控制高科技产品以执行所需的位置。

例如人们使用遥控器向飞机发送请求，以便它可以飞到所需的位置。

医生应该以非常准确的方式控制医疗机器进行远程手术，否则患者可能会受伤。

为了使控制目标更加准确和快速，应设计并实现PID控制方法。

PID控制器可以优化系统响应，这种控制器广泛用于机械和工业系统。

开发一种优化PID 控制器的方法在系统控制领域至关重要。

但是，调整PID控制器并非易事。

通常它需要大量耗尽的实验并且需要大量的时间和精力。

此外，还有过程中的干扰。

最常见的是时间延迟问题。

它可能会使系统产量不确定。

大的时间延迟可能导致系统不稳定。

受这些问题的驱使，需要使用先进的技术，例如使用神经网络来设计PID控制器。

二、PID控制器在系统控制过程中，一些变量如加速度，速度，振幅通常需要保持在一定范围内，或者可以根据原理进行改变。

并且为了接近控制過程要求，PID控制器基于PID控制算法调整控制系统的偏差。

这样工厂的实际产值就可以达到我们想要的值。

基于神经网络的PID控制器在PCS7上的设计与应用摘要：针对具有时变性、大时滞和参数变化范围广等特点的非线性被控对象，本文提出了一种基于BP 算法的PID控制器，并通过西门子过程控制系统（PCS7）系统软件中的SCL语言编写实现了神经网络参数优化模块。

通过对锅炉过热蒸汽压力的控制实验，验证了基于神经网络的PID控制器的效果。

结果表明，基于神经网络的PID 控制器的控制效果良好，能够满足锅炉变工况运行的需求。

关键词：神经网络、优化、PID控制器、BP、变工况、锅炉、PCS7 PID控制器具有结构简单、调整方便、工作可靠等优点，自提出以来得到了广泛的应用和长足的发展。

但是，随着工程系统的日益复杂化，在实际的工业生产中，非线性对象和系统越来越多，采用单一参数的常规PID控制器对其进行控制，往往表现出适应性差，鲁棒性弱等缺点，难以达到理想的控制效果。

由于神经网络可以表示任意非线性函数，并具有较强的适应性、并行处理的能力和鲁棒性等特点，因此，基于神经网络算法建立的控制器在解决具有时变性、大时滞、参数工作范围广等特点的非线性系统的控制问题上，具有广阔的应用前景。

1 基于神经网络的PID控制器的设计神经网络由于其所具有的特性，已被成功地应用到各种复杂非线性系统的控制中。

已有文献[1-2]提出的神经网络自适应控制器，通过参数寻优的方式实现对系统的在线学习和控制。

但自适应控制方法的本质是基于对模型参数的在线辨识，需要知道对象的结构模型，这增加了问题的复杂程度[3]。

本文提出的基于神经网络的PID控制器，不需要对系统模型进行辨识，通过在传统PID控制器上并联神经网络优化模块，两者共同作用，以达到控制的目的。

该方法易于实现，同时降低了问题的复杂度。

基于神经网络的PID控制器的控制分为离线学习和在线计算两个过程。

离线学习：对实验测得的系统输入和期望进行离线学习，训练结束后，得到网络成熟后的权值和阈值。

在线计算：将离线学习得到的权值和阈值赋给神经网络优化模块进行前向计算，得到PID控制器所需的比例、积分和微分三个参数。

基于神经网络的智能PID控制器研究与应用的开题
报告
一、研究背景
随着工业自动化的不断发展，PID控制器作为一种最基本的控制方法，被广泛应用于控制系统中。

然而，传统的PID控制器存在调节繁琐、收敛慢、抗扰性差等问题，在实际应用中往往需要经过长期的试验和调
整才能达到最佳控制效果。

为解决这一问题，近年来出现了基于神经网
络的智能PID控制器。

二、研究目的
本研究旨在对基于神经网络的智能PID控制器进行深入研究，探讨
其在控制系统中的优势和应用价值，并通过实验验证其控制效果。

三、研究内容
1. 神经网络基础知识的学习与掌握
2. 基于神经网络的智能PID控制器的理论研究
3. 智能PID控制器的仿真实验设计和结果分析
4. 智能PID控制器在控制系统中的应用案例分析
四、研究方法
1. 神经网络的理论学习与编程实现
2. 编写基于神经网络的智能PID控制器程序
3. 利用Matlab仿真平台进行智能PID控制器仿真实验设计
4. 分析智能PID控制器仿真实验结果，对比传统PID控制器的控制
效果
五、预期成果
1. 基于神经网络的智能PID控制器的程序设计和实现
2. 智能PID控制器仿真实验结果
3. 智能PID控制器在控制系统中的应用案例分析报告
六、研究意义
1. 提高PID控制器的控制精度和抗干扰能力
2. 探索基于神经网络的控制方法及其应用
3. 为工业自动化控制系统的智能化和自适应控制提供技术支持。

神经网络PID在网络控制系统中的设计和仿真的开题报告一、研究背景及意义网络控制系统是一个由控制器、执行机构、被控对象组成的控制系统，其特点是控制器、执行机构和被控对象分布在不同的地点，彼此之间通过计算机网络进行信息传递和控制操作。

网络控制系统技术已广泛应用于机械、电气、化工、冶金等工业领域，可以有效地提高生产效率和产品质量，降低生产成本。

PID控制器是网络控制系统中应用最为广泛的一种控制器。

PID控制器的设计和调节虽然已有较为成熟的方法和理论，但是在网络控制系统中，由于控制器与被控对象之间存在时延等因素，使得传统PID控制器的性能难以满足控制要求。

为了提高网络控制系统的控制质量和稳定性，需要研究新的控制方法和算法。

神经网络PID控制器是近年来出现的一种新型控制器，它将神经网络算法与PID控制器相结合，能够有效地解决传统PID控制器在网络控制系统中存在的问题，具有较好的控制性能和稳定性，已经被广泛应用于工业控制领域。

因此，研究神经网络PID控制器在网络控制系统中的设计和仿真，对于提高网络控制系统的控制质量和稳定性，具有重要的理论和实际意义。

二、研究内容及方法本研究的主要内容是基于神经网络的PID控制器在网络控制系统中的设计和仿真。

具体研究包括以下几个方面：1.神经网络控制器的原理和算法。

研究基于神经网络的PID控制器的结构和参数调节方法，探讨神经网络算法在网络控制系统中的应用。

2.网络控制系统的建模和仿真。

基于Matlab等仿真工具，建立网络控制系统的数学模型和仿真平台，进行仿真分析和验证神经网络PID控制器的控制效果。

3.神经网络PID控制器的性能分析。

比较神经网络PID控制器与传统PID控制器的控制性能，分析神经网络PID控制器的优缺点以及在网络控制系统中的应用前景。

本研究所采用的方法主要是理论分析和仿真验证相结合的方法，通过建立数学模型和仿真平台，分析神经网络PID控制器的控制效果和性能优劣，为其在网络控制系统中的应用提供依据。

基于神经网络的PID控制算法研究近年来，随着机器学习和人工智能技术的不断发展，神经网络在控制领域的应用也逐渐得到了广泛关注。

其中，基于神经网络的PID控制算法作为一种新型的控制方法，已经被证明具有极高的控制精度和适应性。

由于传统的PID控制算法存在着超调、稳态误差等问题，因此在实际工程中往往需要进行各种手动调参。

而基于神经网络的PID控制算法则可以通过学习数据来自适应地优化控制参数，从而在不同工况下都能够实现优秀的控制效果。

同时，神经网络还可以实现非线性控制和逆模型控制等高级控制策略，更加符合实际应用的需求。

基于神经网络的PID控制算法的基本思路是，将神经网络与PID控制器结合起来，构建一个新的混合型学习控制器。

具体而言，首先需要建立一个基于神经网络的模型来描述被控对象的动态特性，然后利用该模型对PID控制器进行参数的自适应优化，最终实现目标系统的控制。

一般来讲，神经网络PID控制算法的实现过程包括以下几个步骤：首先，需要选择合适的神经网络模型和控制器结构。

然后，利用样本数据对神经网络进行训练，得到一个有效的模型。

接着，将训练好的神经网络模型与PID控制器进行耦合，形成一个混合型控制器。

最后，通过仿真或者实际测试来验证控制器的性能。

在具体实现神经网络PID控制算法时，需要注意以下几个关键问题：一是神经网络的选择和搭建，不同的应用需要选择不同的网络结构和训练算法；二是神经网络模型的准确性，神经网络需要能够准确地描述被控对象的动态特性；三是控制器的参数优化，需要避免过度学习和过拟合等问题。

目前，神经网络PID控制算法已经成功应用于许多领域，例如机械控制、电力系统控制、化工过程控制等。

实际应用结果显示，基于神经网络的PID控制算法相比传统PID控制算法，在控制精度、抗干扰能力、稳定性等方面都具有显著的优势，是一种极具应用前景的控制策略。

总的来说，基于神经网络的PID控制算法是一种结合了神经网络与PID控制器的混合型学习控制策略，具有优秀的控制精度和适应性。

浅谈油库运营中的PLC技术应用发布时间：2023-01-06T02:51:29.463Z 来源：《福光技术》2022年24期作者：张庆明[导读] 油库是集收油、发油、存储业务于一体的储存中心，某油库的区域可分为储罐区、供油/卸油区、发油区、监控室等，与之对应的油库系统主要包括油品储存系统、供油/卸油系统、发油系统、控制室等子系统，油库的管理控制自动化建设就是在对上述系统进行控制操作时，这些区域之间可以进行实时信息共享和交流。

本文基于PLC技术就油库的监控系统设计进行分析讨论。

中国石化销售股份有限公司江西南昌石油分公司江西南昌 330008摘要：随着科学技术的发展，各行各业也都开始打破传统的运营模式，取而代之的是融入越来越多的科技成果，进一步的提高运营保障和工作效率。

油库作为重要的能源存储中心也不例外，油库运营管理的自动化建设就是如此，其可以实现油库工艺生产过程中各工艺参数的实时监测与控制，为油库系统高效、稳定地运行打下坚实基础。

本文基于PLC技术就油库的监控系统设计进行分析讨论。

关键词：PLC技术；功能需求；油库；架构；BP神经网络；主程序设计油库是集收油、发油、存储业务于一体的储存中心，某油库的区域可分为储罐区、供油/卸油区、发油区、监控室等，与之对应的油库系统主要包括油品储存系统、供油/卸油系统、发油系统、控制室等子系统，油库的管理控制自动化建设就是在对上述系统进行控制操作时，这些区域之间可以进行实时信息共享和交流。

本文基于PLC技术就油库的监控系统设计进行分析讨论。

一、基于PLC技术的油库监控系统功能需求在该油库的中心区域设置一套PLC控制系统，可以实现该油库生产过程中的工艺参数集中监测和工艺生产分散控制的功能。

该油库PLC 控制系统采用工控机、西门子可编程控制器（PLC）和现场智能设备组合成监控系统，实现油库工艺生产过程的实时监测与控制，为油库系统高效、稳定地运行打下坚实基础。

根据控制系统的要求，以及现场配置情况和管理状况，总结其计算机监控系统应具备的功能如下：①本系统可对油库中储油罐的液位、温度、厂区供油管流量、压力进行实时监测，以及厂区供油管流量的恒定控制，并能和消防系统的可燃性气体检测装置配套，实时显示。