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。
第七章 神经控制系统
1. 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域?
2. 简述生物神经元及人工神经网络的结构和主要学习算法。
3. 考虑一个具有阶梯型阈值函数的神经网络,假设
(1) 用一常数乘所有的权值和阈值;
(2) 用一常数加于所有权值和阈值。
试说明网络性能是否会变化?
4. 构造一个神经网络,用于计算含有2个输入的XOR函数。指定所用神经网络单元的种类。
5. 假定有个具有线性激励函数的神经网络,即对于每个神经元,其输出等于常数c乘以各输入加权和。
(1) 设该网络有个隐含层。对于给定的权W,写出输出层单元的输出值,此值以权W和输入层I为函数,而对隐含层的输出没有任何明显的叙述。试证明:存在一个不含隐含单位的网络能够计算上述同样的函数。
(2) 对于具有任何隐含层数的网络,重复进行上述计算。从中给出线性激励函数的结论。
6. 试实现一个分层前馈神经网络的数据结构,为正向评价和反向传播提供所需信息。应用这个数据结构,写出一个神经网络输出,以作为一个例子,并计算该网络适当的输出值。
7. 有哪些比较有名和重要的人工神经网络及其算法?试举例介绍。
8. 神经学习控制有哪几种类型?它们的结构为何?
9. 神经自适应控制有哪几种类型?试述它们的工作原理。
10. 神经直接逆模控制和神经内模控制的主要区别是什么?
11. 试述神经预测控制的工作原理和控制算法。
12. 多层神经控制和分级神经控制有何异同点?试比较之。
13. 模糊逻辑与神经网络的集成有何优点?模糊神经控制已有哪些方案?
14. 设受控对象的参考模型由三阶差分方程
描述。式中,r(k)为有界参考输入。受控过程的动态方程为:
试用间接自适应神经控制方法进行过程控制,并绘出时的控制响应曲线。 15. 举出一个你知道的神经控制系统,并分析其工作原理和运行效果
神经网络与智能控制系统
姓名：
学号：
日期： 智能控制理论报告
-1-
【摘要】本文介绍了神经网络的基本概念，论述了人工神经网络的产生与发展，以及人工神经网络在控制系统中的应用现状，分析了人工神经网络的特点和监视控制系统的原理，并阐述了几种基于神经网络的控制系统， 简要介绍了人工神经网络的发展、应用及研究现状，通过实例来分析人工神经网络原理的设计和实现过程。
【关键词】人工神经网络；控制系统；智能控制；发展；应用
一、 引言
神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。
神经网络控制是（人工）神经网络理论与控制理论相结合的产物，是发展中的学科。它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。在控制领域，将具有学习能力的控制系统称为学习控制系统，属于智能控制系统。神经控制是有学习能力的，属于学习控制，是智能控制的一个分支。神经控制发展至今，虽仅有十余年的历史，已有了多种控制结构。如神经预测控制、神经逆系统控制等。
神经网络控制是一种基本上不依赖于模型的控制方法，它适合于具有不确定性或高度非线性的控制对象，并具有较强的自适应和自学习功能，因此是智能控制的一个重要分支领域。人工神经网络利用物理器件来模拟生物神经网络的某些结构和功能，具有并行和分布式的信息处理网络结构，该结构一般由几个神经元组成，每一个神经元有一个单一的输出，但可通过连接的很多其它神经元，获得有多个连接通道的输入，每个连接通道对应一个连接权系数。
二、 人工神经网络的产生与发展
人工神经网络的研究是从19世纪末期开始的，其发展历史经历了以下四个时期。
1. 启蒙时期
启蒙时期开始于1980年美国著名心理学家W.James关于人脑结构与功能的研究，结束于1969年Minsky和Papert发表的《感知器》（Perceptron）一书。早在1943年，美国神经生物学家W.S.McCul-loch和数学家W.Pitts合作，采用数理模型的方法研究脑细胞的动作和结构，以及生物神经元的一些基本生理特征，提出了第一个神经计算模型，即神经元的阈值元件模型(M-P模型)，并指出：即使是最简单的神经网络，从原则上讲也可以进行任意算术或逻辑函数的计算。该模型把神经细胞的动作描述为：神经元的活动表现为兴奋或抑制的二值变化；任何兴奋性突触有输入激励后，使神经元兴奋与神经元先前的动作状态无关；任何抑制性突触有输入激励后，使神经元抑制；突触的值不随时间改变；突触从感知输入到传送出一个输出脉冲的延迟时间是0.5ms。可见，M-P模型是用逻辑的智能控制理论报告
ｍ Ｌ’＆ｈ Ｌ ｈｍ Ｖｉ ｓｉ￣ 科技视界 科技・探索・争鸣
倒立摆系统的神经网络控制研究
李欣达
（华北科技学院电子信息工程学院。中国北京１０１６０１）
【摘要】神经 络恩有突出自适应性和平捧性 本文针对一种ｔ复杂的倒立摆系统．采用ＩＩＩ，神经网络取代传统控制方法．实现倒立摆装置 的平稳控制仿真实验结果表明，只要数据信息奄及神经网络隐层神经元个数适当，即可到ｉ墨较好的控制效４－该丈描述了实现过程及方法． Ｉｒ 达到对倒立摆装置更平稳的控制
【关键词】例立摆；…，神经网络；稳定控制；仿真
Ａ ｒｅｓｅａｒｃｈ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃｏｎｔｒｏｌ ｏｆ ｉｎｖｅｒｔｅｄ ｐｅｎｄｕｌｕｍ ｓｙｓｔｅｍ
ｌ Ｉ Ｘｉｎ—ｄａ （Ｓｃｈｏｏｌ ｎｌ‘Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｏｒｔｈ Ｃｈｉｎａ Ｉｎｓｔｉｔｕｔｅ ｏｌ。Ｓｃｉｅｎｃｅ＆ Ｉ＇ｅｃｈｎｏｌｏｇｙ．Ｙａｎｊｉａｏ．Ｅａｓｔ Ｂｅｉｊｉｎｇ．１０１６０１．Ｃｈｉｎａ） 【Ａｂｓｔｒａｃｔ】 ｔ’ｌＩ＿ａｌ｜ｌＩ ｌ１～【１ｒｋ ｈａｓ￣ｍｔｓｈｍｄｉＨｇ ａｄａ１）ｌａｈｉｌｉｌ｝ ｌ［】ＩＩ ｌＯ］ＩＵＳｌＩＨ Ｈ Ｉｌ】ＩｌｌＩ、Ｉｉｇｈｌ ｏｌ Ｉｌ＿ｌ－ｉｎｗ１Ｉ‘－ＩＩ Ｉ，Ｉ・ｌｌＩＩＩ＿Ｉ¨『１１ Ｈ、ｓＩｆ－ｃｌｌ ｉ Ｉ １．【１『ｌｌＩ，Ｉｔ＿、，＿Ｉ＿ｉｌ＿ ｌ｛ｌ
ｌＩＩ１… Ｉｌ ｌｌｆ｜１ｗ ｋ ｉｔｌＳＩｔ ・ｌＩＩ ＩｌＩ…ｌＩｌｉ【ｉ￣ｍａｌ¨）Ｉｌｌ…Ｉ ｌ ｌ［１｛】（Ｉ．１。Ｏｌｌｌ…Ｉ ｉ［１、｜ｊｒｈ－ｌＩ ＿】ｌ＿ ｌ…１ ｖ ．Ｓｉｍｕｌａｌ ｈｍ ｌ ＸｌｌＩｌＩｌＪｌ１｛ ｎｌ ｉＩ…川ＩｔＨ ｌ１ｗ ｌｈａＩ．Ｈ＾ｌＩｌｌｌ １ Ｉ Ｉ＿ｌ ¨｝ｆｊ Ｉ】ｆ‘ｕｒＭⅢ … ｋ ｈｈｈｈ ｝Ｉ ｋ ｒ¨ ｆＨ川Ｈ…ｌｆｌｌ】，（ （ｊＪ ＩＰＰｒ￣，Ｐｔ ｆ－“…ｆ川ｌＪＩ ｆＪＩ ｆｔｌｌ｝．… ｔｆｈｍ …Ｉ川ｆ（・ｆ （，ｆＪｔｌｔｒ（ｊｌ ¨ ＿（ｔＩ ’ｒｈ Ｉ；ａｐ（＇ｒ（ｈ，ｓｃ；＇ｉｌ｝ｆ．＾ ｌ
