下载文档原格式
*******大学毕业设计(论文) 题目神经网络PID控制器的设计与仿真院系专业班级学生姓名指导教师二○○八年六月神经网络PID控制器的设计与仿真摘要PID控制技术是一种应用很普遍的控制技术,目前在很多方面都有广泛的应用. 在工业控制中，PID控制是工业控制中最常用的方法。
这是因为PID控制器结构简单、实现简单，控制效果良好，已得到广泛应用。
据统计，在目前的控制系统中，PID控制占了绝大多数。
但是，他具有一定的局限性：当控制对象不同时，控制器的参数难以自动调整以适应外界环境的变化。
为了使控制器具有较好的自适应性，实现控制器参数的自动调整，可以采用神经网络控制的方法。
利用人工神经网络的自学习这一特性，并结合传统的PID控制理论，构造神经网络PID控制器，实现控制器参数的自动调整。
本论文讨论了基于神经网络的PID 控制，利用神经网络的自学习能力进行在线参数整定，并利用Matlab软件进行仿真。
通过仿真实现可以看出它具有自学习、自适应性等特点，网络的收敛速度快，能够对非线性对象有很好的控制，系统的跟踪性能很好．其参数设定无需知道被控对象的具体参数及其数学模型，对不同的对象具有适应性．关键词：PID控制神经网络Matlab 仿真The design and simulation of the neural networkPID controllerABSTRACTPID control technology is a very common control technology in many aspects of a wide range of applications. In industrial control, PID control is the most commonly used in industrial control methods. This is because the PID controller simple structure, to achieve a simple, effective control, has been widely used. According to statistics, PID control is the vast majority in the present control system. However, he has certain limitations: When the control object is not at the same time, the controller parameters to automatically adjust to the changes in the external environment. In order to make the controller has good adaptability, and Controller Parameters of automatic adjustments can be used neural network control method. Using artificial neural network learning oneself, combined with the traditional PID control theory Structure of neural networks PID controller, and implementate the automatic adjustment of controller parameters. The thesis discussed according to the neural network PID controller，and control，make use of the neural network from the study ability to proceed its function to on-line parameter amend，and make use ofthe Matlab software proceeds to imitatereally．By the simulation can see that it is to achieve self-learning, adaptability, and other characteristics ，network convergence speed, can have a good control on non-linear object ,and tracking of system performance very good. Its parameters need to know the object of the specific parameters and its mathematical model,and adapt different objects.KEY WORDS：PID control Neural network Matlab Simulation目录摘要 (I)ABSTRACT (II)1 绪论 (1)1.1 前言 (1)1.2 神经元网络PID的发展历程 (1)1.3 神经网络的特点 (2)1.4 神经网络的主要研究方向 (2)1.5 神经网络PID的发展现状和前景展望 (3)1.6 课题研究方法和内容 (3)2 神经网络控制理论 (4)2.1 神经网络的简介 (4)2.2 神经网络的基本概念 (4)2.3 神经网络控制的基本原理 (4)2.4 神经网络结构的分类 (5)2.5 神经网络的学习 (6)2.5.1 学习方式 (6)2.5.2 网络模型及其学习算法 (6)2.6 神经网络的训练 (7)3 应用MATLAB设计神经网络PID控制系统 (8)3.1 MATLAB、SIMULINK、神经网络工具箱简介 (8)3.2 神经网络工具箱与人工神经元网络设计 (9)3.3 PID控制器 (10)3.3.1 PID控制器简介 (10)3.3.2 PID控制的局限 (12)3.4 神经网络 PID 控制器的设计 (12)4 神经网络PID控制器的设计 (14)4.1 单神经元自适应PID控制器及其学习算法 (14)4.1.1 采用有监督Hebb学习算法的单神经元自适应PID控制器 (14)4.1.2 单神经元自适应PID控制器学习算法可调参数的选取规律 (16)4.1.3 单神经元自适应PID仿真 (16)4.2 基于BP神经网络PID控制器的设计 (18)4.3 小结 (21)5 结束语 (22)参考文献 (23)致谢 (24)1 绪论1.1 前言计算机技术的迅速发展，为计算机控制的发展和应用奠定了坚实的基础，过程计算机控制以自动控制理论和计算机技术为基础，实现了现代化生产过程的综合自动化，可使生产过程保持最佳运行状态，从而提高安全性、经济性和运行水平。
毕业论文（设计）开题报告题目名称神经网络PID控制系统设计与仿真学生姓名所学专业应教042学号指导教师姓名所学专业自动控制职称完成期限一、选题的目的意义PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好和可靠性高，被广泛应用于过程控制和运动控制中，尤其适用于可建立精确数学模型的确定性控制系统。
然而实际工业生产过程往往具有非线性、时变不确定性，难以建立精确的数学模型，应用常规PID控制器不能达到理想的控制效果，而且在实际生产现场，由于受到参数整定方法繁杂的困扰，常规PID控制器参数往往整定不良、性能欠佳，对运行工况的适应性很差。
神经网络具有很强的非线性映射能力、自学习能力、联想记忆能力、并行信息处理方式及优良的容错性能。
为了克服上述传统PID控制的弱点，本作品将智能控制理论中广泛研究的神经网络和PID控制器结合起来，使它对于工业控制中的复杂系统控制有着更好的控制效果，有效的改善了由于系统结构和参数变化导致的控制效果不稳定。
二、国内外研究综述20世纪80年代，随着神经网络在世界范围内的复苏，国内也逐步掀起了研究热潮。
1989年10月和11月分别在北京和广州召开了神经网络及其应用讨论会和第一界全国信号处理—神经网络学术会议；1990年2月由国内8个学会召开“中国神经网络首届学术会议”。
这次会议以“八学会联盟，探智能奥秘”为主题，收到了300多篇学术论文，开创了中国神经网络及神经计算机方面科学研究的新纪元；2004年10月在合肥召开的“人工神经网络学术会议”已是第14届学术年会了；2004年8月在中国大连召开的ISNN2004国际会议，引起了国内外神经网络研究者的广泛关注，产生了较大的影响；另外，国内外许多相关的学术会议都设有人工神经网络专题，如国内的WCICA﹑CIAC﹑CDC﹑CCC﹑CAA国外的ACC﹑CCA﹑IDEAC等。
经过十几年的发展，中国学术界和工程界在人工神经网络的理论研究和应用方面取得了丰硕成果，学术论文﹑应用和研究人员逐年增加。
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。
神经网络ＰＩＤ控制及其仿真作者：陈波来源：《电脑知识与技术》2008年第34期摘要：基于常规PID控制方法的一些缺点，该文介绍了一种利用神经网络HEBB规则，实现了有效的控制方法和PID控制参数的优化的方法。
通过仿真和跟经典PID控制方法的比较，说明了其优越性。
关键词：神经网络；PID控制；HEBB规则中图分类号：TP183文献标识码：A文章编号：1009-3044(2008)34-1691-02PID Neural Network Control and its SimulationCHEN Bo(Institute of Technology for Measurement and Control, Lanzhou Jiaotong University, Lanzhou 730070, China)Abstract: Based on the disadvantages of the general PID Control, this article introduced a technique what used the Neural network and HEBB rule.this technique has come true theeffective control measure and the optimization of PID controls parameter. it has shown the advantages by compare whit the general PID control and imitation.Key words: neural network; PID control; HEBB rule1 引言现今PID控制由于具有直观性好，实现简单，可靠性高以及鲁棒性强等优点，特别适用于建立了精确数字模型的确定性系统中。
被广泛应用于工业控制领域。
*******大学毕业设计(论文) 题目神经网络PID控制器的设计与仿真院系专业班级学生指导教师二○○八年六月神经网络PID控制器的设计与仿真摘要PID控制技术是一种应用很普遍的控制技术,目前在很多方面都有广泛的应用. 在工业控制中，PID控制是工业控制中最常用的方法。
这是因为PID控制器结构简单、实现简单，控制效果良好，已得到广泛应用。
据统计，在目前的控制系统中，PID控制占了绝大多数。
但是，他具有一定的局限性：当控制对象不同时，控制器的参数难以自动调整以适应外界环境的变化。
为了使控制器具有较好的自适应性，实现控制器参数的自动调整，可以采用神经网络控制的方法。
利用人工神经网络的自学习这一特性，并结合传统的PID控制理论，构造神经网络PID控制器，实现控制器参数的自动调整。
本论文讨论了基于神经网络的PID控制，利用神经网络的自学习能力进行在线参数整定，并利用Matlab软件进行仿真。
通过仿真实现可以看出它具有自学习、自适应性等特点，网络的收敛速度快，能够对非线性对象有很好的控制，系统的跟踪性能很好．其参数设定无需知道被控对象的具体参数及其数学模型，对不同的对象具有适应性．关键词：PID控制神经网络Matlab 仿真The design and simulation of the neural network PID controllerABSTRACTPID control technology is a very common control technology in many aspects of a wide range of applications. In industrial control, PID control is the most commonly used in industrial control methods. This is because the PID controller simple structure, to achieve a simple, effective control, has been widely used. According to statistics, PID control is the vast majority in the present control system. However, he has certain limitations: When the control object is not at the same time, the controller parameters to automatically adjust to the changes in the external environment. In order to make the controller has good adaptability, and Controller Parameters of automatic adjustments can be used neural network control method. Using artificial neural network learning oneself, combined with the traditional PID control theory Structure of neural networks PID controller, and implementate the automatic adjustment of controller parameters. The thesis discussed according to the neural network PID controller，and control，make use of the neural network from the study ability to proceed its function to on-line parameter amend，and make use ofthe Matlab software proceeds to imitatereally．By the simulation can see that it is to achieve self-learning, adaptability, and other characteristics ，network convergence speed, can have a good control on non-linear object ,and tracking of system performance very good. Its parameters need to know the object of the specific parameters and itsmathematical model,and adapt different objects.KEY WORDS：PID control Neural network Matlab Simulation目录摘要 (I)ABSTRACT (II)1 绪论 (1)1.1 前言 (1)1.2 神经元网络PID的发展历程 (1)1.3 神经网络的特点 (2)1.4 神经网络的主要研究方向 (2)1.5 神经网络PID的发展现状和前景展望 (3)1.6 课题研究方法和容 (3)2 神经网络控制理论 (4)2.1 神经网络的简介 (4)2.2 神经网络的基本概念 (4)2.3 神经网络控制的基本原理 (4)2.4 神经网络结构的分类 (5)2.5 神经网络的学习 (6)2.5.1 学习方式 (6)2.5.2 网络模型及其学习算法 (6)2.6 神经网络的训练 (7)3 应用MATLAB设计神经网络PID控制系统 (8)3.1 MATLAB、SIMULINK、神经网络工具箱简介 (8)3.2 神经网络工具箱与人工神经元网络设计 (9)3.3 PID控制器 (10)3.3.1 PID控制器简介 (10)3.3.2 PID控制的局限 (12)3.4 神经网络PID 控制器的设计 (12)4 神经网络PID控制器的设计 (14)4.1 单神经元自适应PID控制器及其学习算法 (14)4.1.1 采用有监督Hebb学习算法的单神经元自适应PID控制器 (15)4.1.2 单神经元自适应PID控制器学习算法可调参数的选取规律 (16)4.1.3 单神经元自适应PID仿真 (17)4.2 基于BP神经网络PID控制器的设计 (19)4.3 小结 (23)5 结束语 (23)参考文献 (24)致谢 (25)1 绪论1.1 前言计算机技术的迅速发展，为计算机控制的发展和应用奠定了坚实的基础，过程计算机控制以自动控制理论和计算机技术为基础，实现了现代化生产过程的综合自动化，可使生产过程保持最佳运行状态，从而提高安全性、经济性和运行水平。
神经网络PID 控制策略及其Matlab 仿真研究赵娟平（沈阳化工学院，辽宁，沈阳 110142 ）摘要：本文讨论了神经网络PID 控制策略，利用神经网络的自学习能力进行PID控制参数的在线整定，并使用Matlab 软件进行了仿真研究。
仿真结果表明，神经网络PID 控制器参数调整简单，具有很高的精度和很强的适应性，可以获得满意的控制效果。
关键词：神经网络，BP 网络，PID ，参数整定，仿真中图分类号：TP183 文献标识码：ANeural Network PID control and its Matlab Simulation researchJuanPing Zhao（ShenYang institute of chemical industry, LiaoNing, ShenYang 110142 ）Abstract: This paper discusses the nerve network PID control strategy, makes use of the study ability of the nerve network to turning the PID control parameters, and proceeds the simulation research using matlab software. From the simulation results, it is can be shown that Neural Network PID controller have the higher accuracy and stronger adaptability, and can get satisfied control result.Key word: neural network, BP neural network, PID, parameter turning, simulation1．引言PID 控制由于其具有直观性好、实现简单、可靠性高以及强鲁棒性等优点，在工业控制中得到广泛的应用，尤其适用于建立了精确数学模型的确定性系统。
神经网络PID 在温度控制系统中的研究与仿真摘要：本文提出一种基于BP 神经网络的新型智能PID 控制方法和一些BP 神经网络的基本概念。
同传统的PID 控制相比较，神经网络智能PID 控制有许多优点。
把BP 神经网络的PID 控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。
关键词 ： 神经网络 ，PID 控制器 ，温度控制系统1 引言在工业控制过程中，PID 控制是一种最基本的控制方式 ，其鲁棒性好、结构简单、易于实现，但常规的PID 控制也有其自身的缺点，因为常规PID 控制器的参数是根据被控对象数学模型确定的，当被控对象的数学模型是变化的、非线性的时候，PID 参数不易根据其实际的情况做出调整，影响了控制质量，使控制系统的控制品质下降。
特别是在具有纯滞后特性的工业过程中，常规的PID 控制更难满足控制精度的要求。
由于神经网络具有自组织、自学习、自适应的能力，本文提出基于BP 神经网络的PID 控制器，使人工神经网络与传统PID 控制相结合互相补充，共同提高控制质量，并把该方法在温度控制系统中用Matlab 语言进行了仿真应用。
2 BP 神经网络的模型构成及算法2.1 BP 神经网络的模型构成B P 神经网络的学习过程主要由两个阶段构成：第一阶段（正向传播过程），输入信号通过输入层，经过隐含层逐层处理，在输出层计算出每个神经元的实际输出值。
第二阶段(误差反向传播过程)，如果在输出层未得到期望的输出值，则逐层递推地计算实际输出与期望输出的差值，并且根据这个误差调节权系数。
2.2神经网络PID 控制器的构成及算法在传统的PID 控制中，经典增量式PID 的控制形式：u(k)=u(k-1)+[p K e(k)-e(k-1)]+i K e(k)+d K [e(k)-2e(k-1)+e(k-2)]K p ：比例系数i K =io p T T K ：积分系数 o d p d T T K =K ：微分系数 建立BP 神经网络PID 控制器结构：y(k)为了达到自适应调节d i p K K K ,,目的，输出层为三个神经元，分别对应d i p K K K ,,。
