下载文档原格式
基于BP 神经网络的PID 控制在柴油机调速系统中的应用1 柴油机转速控制系统模型柴油机转速控制系统如图1 所示。
首先对柴油机模型进行简化， 同时考虑延迟并作线性化处理后，可将柴油机近似为一个一阶惯性延迟环节。
电子调速系统中的执行器采用环形电枢直流伺服电机，可认为是一个标准的二阶环节。
再加上PID 控制器，构成了完整的柴油机调速系统模型[3]。
控制器执行器柴油机给定()R s ()Y s 扰动（负载）图1 柴油机转速控制系统框图2 数学模型建立2.1柴油机转速数学模型根据达朗倍尔原理，柴油机组（包括负载）的运动方程为 d c d J M M dt ω=-或d c d J M M dtω∆=∆-∆ （1） 式中d M ———柴油机发出的转矩，N m ；c M ———阻力矩，N m ； J ———柴油机及负载变化到曲轴处的转动惯量，kg 〃m2；ω———曲轴角速度，1/s 。
将相关参数代入式（1）并进行线性化，再经简化处理即可推出柴油机转速对应于喷油泵齿杆位移的传递函数，它是一个一阶惯性环节。
考虑到内燃机的工作特点，即从喷油泵齿杆位置改变到内燃机发出相应的转矩有一时间滞后过程，这一过程形成一个纯滞后环节。
所以可将柴油机近似为一个惯性环节串联一个纯滞后环节，则可得其传递函数为 1()()(1)Ts n d g d g e G s T s T T s T s τ-=≈+++ （2）根据已有数据，上式可简化为 21()0.1070.951n G s s s =++ （3）2.2执行器数学模型执行器采用环形电枢直流伺服电机，可认为是一个标准的二阶环节，其方框图如图2 所示。
电机速度环pid参数计算电机速度环PID参数是控制电机转速的重要参数，它能够对电机的转速进行精确控制，从而实现各种应用需求。
在设计电机速度环PID参数时，需要考虑电机的特性、系统的响应速度以及稳定性等因素。
我们需要了解PID控制器的基本原理。
PID控制器由比例（P）、积分（I）和微分（D）三个部分组成。
比例项用来根据误差大小调节控制量，积分项用来处理持续的误差，微分项用来处理误差变化率。
通过调节PID参数的大小，可以实现对电机速度的精确控制。
在确定PID参数时，需要考虑以下几个因素：1. 比例系数（Kp）：比例系数决定了控制量与误差之间的线性关系。
如果比例系数过大，会导致系统震荡；如果比例系数过小，会导致系统响应迟缓。
因此，需要根据具体应用场景和电机特性进行合理选择。
2. 积分时间（Ti）：积分时间决定了积分项对系统的影响程度。
积分时间越大，积分项对系统的影响越大，可以减小稳态误差。
但是，积分时间过大会导致系统响应不稳定。
因此，需要根据系统的响应速度和稳定性要求进行选择。
3. 微分时间（Td）：微分时间决定了微分项对系统的影响程度。
微分时间越大，微分项对系统的影响越大，可以提高系统的稳定性和响应速度。
但是，微分时间过大会导致系统的抗干扰能力下降。
因此，需要根据系统的抗干扰要求进行选择。
确定PID参数的方法有多种，常用的方法有手动调节法和自动调节法。
手动调节法是最常用的方法，通过观察系统的响应曲线，逐步调整PID参数，直到满足系统要求。
这种方法需要经验和耐心，但是可以根据实际情况进行调整，适用于各种场景。
自动调节法是利用计算机或专用设备进行PID参数调节的方法，可以根据系统的数学模型和控制要求进行优化调整。
常用的自动调节方法有遗传算法、模糊控制和神经网络等。
这种方法适用于复杂的系统和精确的控制要求。
在实际应用中，还可以根据电机的负载特性和系统的动态响应要求进行参数调整。
例如，对于负载变化较大的电机系统，可以增加比例系数和微分时间，以提高系统的动态响应能力。
pid转速控制系统设计案例
以下是一个PID转速控制系统设计的案例，这个案例采用了PID控制算法
来调节电机的转速。
1. 系统方案
首先，我们需要确定系统的整体方案。
在这个案例中，我们将采用一个比例-积分-微分（PID）控制器来调节电机的转速。
这个方案的目标是让电机的
转速能够快速地响应系统的需求，同时消除稳态误差，并保持良好的动态性能。
2. 控制器设计
接下来，我们需要设计控制器。
在这个案例中，我们将采用一个PID控制器。
PID控制器由比例（P）、积分（I）和微分（D）三个部分组成，通过调整
这三个部分的参数，可以实现对电机转速的精确控制。
3. 参数整定
在确定了控制器的结构之后，我们需要对控制器进行参数整定。
参数整定的目的是为了找到一组最优的参数，使得电机的转速能够快速地响应系统的需求，同时消除稳态误差，并保持良好的动态性能。
4. 系统测试
最后，我们需要对系统进行测试。
在这个案例中，我们将测试电机的转速是否能够快速地响应系统的需求，同时观察系统是否存在稳态误差和动态性能问题。
如果存在这些问题，我们需要对控制器进行重新整定，直到系统的性能满足要求为止。
通过以上步骤，我们可以完成一个PID转速控制系统的设计。
在实际应用中，我们还需要根据具体的系统需求和实际情况对方案进行调整和优化，以达到更好的控制效果。
传感器技术实验报告实验序号：实验四十四系别：电子通信工程系班级：********班组别：第**组成员：12*************** 线路连接12*************** 撰写报告12*************** 记录数据12************* 引导实验201*年*月2*日实验四十四转速PID控制系统一、实验目的：利用多功能数据采集控制器完成转速PID控制功能。
二、需用器件与单元：转动源模块、多功能数据采集控制器、磁电传感器、232/485转换器、实验线。
三、实验步骤：1、将转动源上F/V输出用实验线连至主控箱的A/D输入的第0通道（8个通道可任选），将220V交流电接入转动源模块，主控箱D/A输出的第0通道（4个通道可任选）接至转动源0~5V输入端。
2、将磁电传感器固定在升降架的合适位置，距离转动源小磁钢0.5mm左右，磁电传感器接至转动源模块的传感器输入端，且控制选择的“手动”和“自动”拨至“自动”状态。
具体连线如下：多功能数据采集控制端连线与转动源端对应：转动源端连线与多功能数据采集控制端连线对应：3、打开主控箱电源，运行多功能数据采集控制器软件，此时在软件界面中实验名称选择中选中“转速控制系统”，选择调节规律为“PID控制”，设置“设定值”(为了保证电机可靠启动，建议初始控制设定值为1000转/分以上)、“采样周期”（参考为0.1S）、“比例系数”、“积分时间”、“微分时间”的参数值。
4、在“转速控制”栏中正确选择通道号，检查连线正确后，点击栏内“确定”按钮，则根据参数执行计算机PID控制程序。
下图为转速控制系统的程序界面：观察转速控制的效果如何。
根据控制规律可设置不同的P、I、D参数，以达到最佳的控制效果，并且每次的实验数据被保存，同时可以观察曲线和打印曲线。
具体的曲线数据可通过菜单“数据操作” “查询结果”查看数据结果。
五、实验数据PID控制由比例单元（P）、积分单元（I）和微分单元（D）组成。
pid电机控制原理嘿，你摆弄过电机不？要是接触过那些 “嗡嗡” 转的小家伙，那 PID 电机控制可就不能不知道，这玩意儿在电机的世界里，那可是个掌控全局的 “大管家”，要是没它，电机就跟个没头的苍蝇似的，瞎转一通，啥活儿都干不利索，你说愁人不愁人？咱先瞅瞅装了 PID 控制的电机系统啥模样，电机本体就像个敦实的大力士，稳稳地待在那儿，旁边连着一堆传感器、控制器，电线七拐八绕的，看着有点复杂，像个精心布置的 “科技小阵地”。
这些传感器就像电机的 “眼睛”“耳朵”，时刻盯着电机的转速、位置这些关键信息，一有风吹草动，立马报告给控制器。
控制器呢，就像个聪明绝顶的指挥官，根据传感器来的情报，迅速做出决断，指挥电机该咋转，让整个系统有条不紊地运行起来。
讲讲它的控制原理，这可太有趣了，有点像放风筝。
咱放风筝的时候，手里拽着线，眼睛盯着风筝，要是风筝往左偏了，咱就往右拽拽线，让它回到正轨；要是飞得太高，就松松线，别让它断了。
PID 控制也是这么个理儿。
比如说电机要转到某个特定角度，传感器一测，发现电机当前位置偏了，这就像风筝跑偏了。
PID 控制器里的 “P”，也就是比例控制，就像咱根据风筝跑偏的程度，用力拽线。
偏差大，就多使点劲；偏差小，就少用点力，让电机快速往目标靠近。
要是没这招，电机慢悠悠地调整，猴年马月才能转到正确位置，是不是？可光有 “P” 还不够，有时候风一吹，风筝晃悠得厉害，光靠一股劲儿拽线不行，还得预判它下一步咋晃，提前调整。
这就轮到 “D”，微分控制登场了。
它就像个经验丰富的放风筝老手，瞅着风筝晃动的趋势，提前给线来点小动作，让风筝稳稳当当的。
电机也一样，转速要是变化太快，“D” 就能迅速反应，给电机加点 “阻力” 或者 “助力”，避免它忽快忽慢，像个抽风的陀螺。
要是少了这关键一环，电机在高速运转时，突然失控，那不得把周围东西撞个稀巴烂，多危险啊！还有个 “I”，积分控制，这就像给风筝飞行做个 “长期规划”。
基于PID算法的电机转速控制及应用研究引言：电机转速控制是自动化领域常见的控制问题之一。
其中，PID (Proportional-Integral-Derivative) 算法作为一种经典的控制算法，被广泛应用于电机转速控制中。
本文的目的是研究基于PID算法的电机转速控制及其应用的相关内容。
首先，我们将介绍PID算法的基本原理和特点，然后详细探讨电机转速控制的基本方法和步骤，并通过实验研究探索PID算法在电机转速控制中的应用及其效果。
一、PID算法的基本原理和特点PID算法是一种经典的反馈控制算法，其中包含三个主要的控制参数：比例增益Kp、积分时间Ti和微分时间Td。
PID算法根据当前误差、过去误差和未来误差的变化率来计算输出信号，进而实现对系统的控制。
它的基本原理是通过调整比例、积分和微分三个控制参数的值，不断优化控制器的输出信号，以减小系统的误差，使其更接近于期望值。
PID算法具有以下特点：1. 简单易懂：PID算法的数学原理相对简单，易于理解和实现。
2. 良好的适应性：PID算法适用于各种线性和部分非线性系统，并且可以应对系统参数的变化。
3. 快速响应：PID算法能够实现快速的系统响应，通过调整控制参数可以适应不同的响应速度要求。
4. 稳定性良好：PID算法可以实现系统的稳定控制，使得系统的输出在一定的稳定范围内波动。
5. 结构简单：PID算法的控制结构相对简单，容易实现系统的实时控制。
二、电机转速控制的基本方法和步骤1. 系统建模：首先需要对电机转速控制系统进行建模，了解系统的结构和工作原理。
可以采用数学模型或者基于实验数据的模型。
2. 设计PID控制器：根据系统的特性和控制要求，选择合适的PID控制器类型，并根据系统建模结果进行参数调整。
3. 控制器实现：将PID控制器转化为实际控制器的硬件或软件实现。
可以利用嵌入式系统、单片机或者计算机等平台来实现。
4. 采集反馈信号：通过传感器或检测器来采集电机的转速反馈信号，用作控制器的输入。
说明其在电机控制中pid调节器的作用电机控制中PID调节器的作用什么是PID调节器？PID是一种常用的控制算法，被广泛应用在电机控制领域。
PID即比例-积分-微分控制器，通过计算误差和误差的变化率，来调整控制量，以实现对电机的精确控制。
PID调节器在电机控制中的作用1.比例控制：比例控制通过计算误差的大小，以及与设定值的差异，来调整控制量。
通过比例控制，可以实现对电机速度、角度等参数的准确调节。
2.积分控制：积分控制通过计算误差的积分值，以及误差的累积量，来调整控制量。
积分控制主要用于消除系统的静差，并提高系统的响应速度和稳定性。
3.微分控制：微分控制通过计算误差的变化率，以及误差变化的速度，来调整控制量。
微分控制主要用于抑制系统的超调和振荡，并提高系统的快速响应能力。
PID调节器的优点1.简单易用：PID调节器的原理比较简单，易于理解和实现。
同时，PID调节器的参数调整也相对容易，可以根据实际需求进行适当调整。
2.适应性强：PID调节器可以适应不同的控制对象和工作环境。
通过合理调整PID参数，可以实现对不同电机的精准控制。
3.稳定可靠：PID调节器可以根据系统的实际状况进行实时调整，以保持系统的稳定性和可靠性。
即使在外部环境变化或干扰的情况下，PID调节器也能够及时做出调整，以维持系统的正常运行。
总结PID调节器在电机控制中扮演着重要的角色。
通过比例、积分和微分控制，PID调节器可以实现对电机的精确控制，提高控制系统的稳定性和响应速度。
其简单易用、适应性强和稳定可靠的特点，使得PID 调节器成为电机控制领域中的重要工具之一。
无论是对于新手还是资深的创作者来说，掌握PID调节器的原理和应用都是十分重要的。
PID调节器的应用场景1.电机转速控制：在工业生产中，经常需要对电机的转速进行精确控制，以满足生产需求。
PID调节器可以通过不断调整控制量，使电机的转速稳定在设定值附近。
2.电机位置控制：在自动化系统中，经常需要对电机的位置进行精确控制，如机器人臂的运动，自动门的开关等。
PID的控制原理与应用1. 什么是PID控制器？PID控制器是一种常用的控制器，广泛应用于工业自动化控制系统中。
PID是Proportional-Integral-Derivative的缩写，即比例、积分和微分控制。
PID控制器通过对系统的当前状态和输出进行监测和调整，以控制系统的行为，使其达到期望的目标。
2. PID控制器的工作原理PID控制器的工作原理可以简单描述为以下三个部分的组合：2.1 比例控制（P）比例控制是根据系统的误差和比例增益Kp来进行调节的。
误差是指期望输入值与实际输出值之间的差异。
比例控制通过增大或减小控制器的输出与误差之间的线性关系来调节系统。
2.2 积分控制（I）积分控制使用累计误差来调整系统。
它基于误差的积分，即将误差的累计值乘以积分增益Ki。
积分控制用于消除系统的静差并提高系统的稳定性。
2.3 微分控制（D）微分控制根据误差的变化率来调整系统。
它通过将误差的变化率乘以微分增益Kd来进行调节。
微分控制用于减小系统的超调和响应时间。
3. PID控制器的应用PID控制器在工业自动化控制系统中有广泛的应用，以下是几个常见的应用领域：3.1 温度控制PID控制器可以用来控制温度，例如在化学工厂、冶金工厂和橡胶加工等行业。
通过检测当前温度和设定温度之间的差异，PID控制器可以自动调节加热或冷却设备以保持温度稳定。
3.2 速度控制PID控制器可用于调节马达或电机的转速，例如在机械制造、运输设备和自动化生产线等领域。
PID控制器根据实际转速与设定转速之间的差异，通过调节电压或电流来控制系统的速度。
3.3 液位控制PID控制器在液态介质的存储和流动中也有应用，例如在水处理厂、化工厂和石油工业中。
通过监测液位，PID控制器可以自动调节阀门或泵的开关以维持液位稳定。
3.4 压力控制PID控制器可用于控制管道或容器内的压力，例如在石油、天然气和化工行业。
PID控制器通过检测实际压力与设定压力之间的差异，自动调节阀门或泵的开闭以控制压力。
目录一、设计题目 (1)二、系统的工作原理 (2)三、BP神经网络 (3)3.1BP神经网络结构 (3)3.2BP网络学习算法 (4)四、基于BP神经网络的PID控制器 (6)4.1PID控制器 (6)4.2基于BP神经网络的PID控制器 (7)五、程序代码及结果分析 (10)5.1程序代码 (10)5.2仿真结果 (13)六、结论 (15)一、设计题目柴油-电力机车传动电机的转速控制柴油机有着十分广泛的用途，它可用来驱动内燃机车的传动电机，从而保证重型列车的正常运行。
但是柴油机的工作效率对转速非常敏感，因此为了提高其工作效率，应该控制传动电机的转速。
图中给出了柴油内燃机车的电力传动模型。
图1-1 转速控制模型移动输入电位计的游标，可设置控制阀的位置，从而设定传动电机的预期转速w r 。
负载转速w 0是受控变量，其实际值由测速机测量。
测速机由电机轴上的皮带驱动，其输出电压v 0是系统的反馈变量。
由于输入电位计提供了预期参考电压，由此可求得参考电压与反馈电压间的偏差为( v r - v 0 )。
放大器将偏差电压放大后，生成电压信号v f ，并用作直流发电机的线圈磁场电压。
在电力传动系统中，柴油机的输出转速恒为w q ，直流发电机由柴油机驱动，其输出电压V g 是电枢控制直流电机的驱动电压。
此外电枢控制直流电机的励磁磁场电流i 也保持恒定不变。
在上述条件下，由于V R 的作用，直流电机将产生力矩T ，并使负载转速w 0逐渐趋近于预期转速w r 。
已知：● 电机的反电动势系数为Kb ＝31/50；● 与电机有关的参数为J=1，b=1，La=0.2，Ra=1； ● 发电机有关的参数为励磁电阻Rf=1，励磁电感Lf=0.1，Lg=0.1，Rg=1；柴油机 w rv rv 0v d 常量放大器i f L f R fi a L a R a发电机电机测速机负载w 0，J ，bv fV g● 测速机增益Kt=1；●发电机常数Kg ，电机常数Km 自定；二、系统的工作原理本系统利用移动输入电位计的游标，可设置控制阀的位置，从而设定传动电机的预期转速w r ，在移动输入电位计两端加有电源，每当游标移动一定距离，电位计上输出电压也跟随变化，该变化的电压（由输入电位计提供的的预期参考电压）与电动机反馈回来的电压值v 0进行比较，得到一个电压差v r - v 0。
电压差V 1输入运算放大器K ，根据放大器“虚短”与“虚亏”方法，放大器K 的放大系数为540，电压差V 1经过放大器K 放大后输出电压信号V 2，并用作直流发电机的线圈磁场电压。
在电力传动系统中，柴油机的输出转速恒为w q ，直流发电机由柴油机驱动，其输出电压V g 是电枢控制直流电机的驱动电压，直流电机带动负载转动并由测速机测量其实际转速w 0。
测速机由电机轴上的皮带驱动，其输出电压v 0是系统的反馈变量。
此外电枢控制直流电机的励磁磁场电流i 也保持恒定不变。
其中，控制系统的被控对象是电动机，发电机；被控量是电压；系统的输入量为转速w r ，输出量为转速w 0；给定量是移动输入电位计，功率放大器K ，测速发电机。
系统模型及结构图如下：图 2-1 系统模型图2-2 系统结构图1()G s 2()G s3()G s 4()G s 1()G s 0(t)系统传递函数求解：由上述框架结构图可以看出该系统为一个四阶系统，为求解方便将其化简成一个二阶系统（除去不大的极点），其结构框图如下图2.3：图2-3 化简后的系统传递函数结构图简化思路如下：由于励磁电感远小于励磁电阻，故励磁电感可以忽略。
建立系统的数学模型和传递函数一般表达式：比较电路 V1=Vr-V0;(Vr 输入电压，V1为偏差电压) 回馈电路 电机的反电动势系数为Kb ＝31/50； 放大电路 V 10=1.5（正常工作点）；V 2=2e 3v 1 发电机电路：0.11KgS +电机电路：1KmS +测速电路：测速机增益Kt=1； 所以系统的开环传递函数为：5400*(10)(10.62)Kg KmG s s Km =+++系统的闭环传递函数为：5400*()(10)(10.62)5400*Kg KmG c s s Km Kg Km=++++三、BP 神经网络3.1 BP 神经网络结构大脑是一部不寻常的智能机，它能以惊人的高速度解释感觉器官传来的含糊不清的信息。
它能觉察到喧闹房间内的窃窃私语，能够识别出光线暗淡的胡同中的一张面孔，更能通过不断地学习而产生伟大的创造力。
所谓神经网路系统是利用工程技术手段模拟人脑神经网络的结构和功能的一种技术系统，它是一种大规模并行的非线性动力学系统。
严格地讲神经网络应该称为人工神经网络，为了简化起见，一般省略人工二字直接称神经网络，可简记为 NN （Neural Network ）。
由于神经网络具有信息的分布存储、并行处理以及自学习等优点，所以它在信息处理、模式识别，智能控制等领域有着广阔的应用前景。
人工神经网络的着眼点不是利用物理器件来完整的复制生物体中细胞网络，而是采纳其可利用的部分来解决目前计算机或其它系统不能解决的问题，如学习、识别、控制和专家系统等。
随着生物和认知科学的发展，人们对人脑的结构和认知过程的了解越来越深入，促进了人工神经网络技术的发展，越来越多的生物特性将被利用到工程中去。
X1X3X2Y1Y2Y3………图3-1 BP 神经网络结构图BP 神经网络结构如图3-1所示。
由图可见，BP 网络是一种具有三层或三层以上神经元的神经网络，包括输入层、中间层和输出层。
上下层之间实现全连接，而每层神经元之间无连接。
当一对学习样本提供给网络后神经元的激活值从输入层经中间层向输出层传播，在输出层的各神经元获得网络的输入响应。
接下来，按照减少目标输出与实际输出之间误差的方向，从输出层反向经过各中间层回到输入层，从而逐层修正各连接权值，这种算法称为“误差反向传播算法”，即BP 算法。
随着这种误差逆向的传播修正不断进行，网络对输入模式响应的正确率也不断上升。
与感知器不同的是，由于误差反向传播中会对传递函数进行求导计算，BP 网络的传递函数要求必须是可微的，所以不能使用感知器网络中的硬闭值传递函数，常用的有sigmoid 型对数、正切函数或线性函数。
由于传递函数是处处可微的，所以对BP 网络来说，一方面，所划分的区域不再是一个线性划分，而是由一个非线性超平面组成的区域，它是比较平滑的曲面，因而它的分类比线性划分更加精确，容错性也比线性划分更好;另一方面，网络可以严格采用梯度下降法进行学习，权值修正的解析式十分明确。
3.2 BP 网络学习算法设有n 个输入节点1x ，2x ……n x ;q 个输出节点1y ，……n y ;网络层的隐含节点有p 个神经元。
输入层第i 个单元至隐含层第j 个单元连接权j i w ,。
隐含层第j 个单元至输出层第t 个单元连接权t j v ,。
隐含层各单元的阈值为j θ，输出层各个单元的阈值为t γ，在训练该网络的学习阶段，设有N 组训练样本，先假定用其中的某一固定样本k 输入输出模式对网络进行训练。
输入层:n 个输入1x ，2x ……n x ;也就是输入样本。
中间层: j ni i j i j x w s θ+=∑, （1）()j j s S b =；j=1,2……p （2）输出层：()t t s S =C ；t=1,2,……q （3）t j pj t j t b v L γ+=∑=1, （4）为了模拟生物神经元的非线性特性，激励函数常选用s 函数 ()xe x S -11+=（5） S 函数不但具有可微分性，而且具有饱和非线性特性，这又增强了网络的非线性映射能力。
S 函数的微分函数为:()x S 。
=()()()x S x S -1 （6） 单元输出闭值是为模拟神经元的闭值电位而设置的，在网络的学习过程中，它和各连接权一样不断的被修正。
阂值的作用反应在S 函数的输出曲线上，使曲线向左平移了阂值大小的单位，它起到了调节神经元兴奋水平的作用。
定义第N 个标准模式的误差函数为:()∑==q t t t k c y E 12-21 （7）学习过程按使误差Ek 减少最快的方向调整权值系数，直到获得满意的权值为止。
根据梯度下降原则使连接权t j v ,的调整量与tj kv E ,∂∂的负值称比例，连接权的修正公式如下: tj kt j v E v ,,-∂∂=∆η式中t=l ，2，.……q;j=l ，2，……p;0<η<1()()j t t t tj tt k t j k t j b L S C d v C C E v E v '=∂∂∂∂=∂∂=∆---,,,ηηη （8）相应的闭值公式为:()()t t t ttt k t k L S C d C C E E '=∂∂∂∂=∂∂=∆---t ηγηγηγ （9）若连接权值不直接作用于输出层神经元，情况就有所不同了，但仍按梯度下降法ji j j j j k j i ji w s s b b E w Ew ,,,--∂∂∂∂∂∂=∂∂=∆ηη （10） ()j jj s S s b '=∂∂ （11）()[]()t j t t t j tt t q t t k j k v L S C d b L L C C E b E ,q1t 1--'=∂∂∂∂∂∂=∂∂∑∑== （12） 于是()()()i j t j t qi t t j i x s S v L S C d w ''=∆∑=,1,-η （13）同理()()()j t j t qi t t j s S v L S C d ''=∆∑=,1-ηθ （14）BP 网络学习算法计算步骤如下: (l)初始化，置所有的连接权值ji w ,，tj v ,，jθ，t γ为随机数(2)提供训练集，即给出顺序赋值的输入向量k X 和期望的输出向量k d 。
(3)计算中间层和输出层的各神经元实际输出。
(4)计算期望输出与实际输出的偏差k E 。
(5)计算t j v ,∆和t γ∆，调整中间层至输出层的连接权和闭值。
(6)计算j i w ,∆和j θ∆，调整输入层至中间层的连接权和闭值。
(7)返回2，直至误差满意为止。
四、基于BP 神经网络的PID 控制器4.1 PID 控制器PID 控制器是一个在工业控制应用中常见的反馈回路部件。
这个控制器把收集到的数据和一个参考值进行比较，然后把这个差别用于计算新的输入值，这个新的输入值的目的是可以让系统的数据达到或者保持在参考值。
和其他简单的控制运算不同，PID 控制器可以根据历史数据和差别的出现率来调整输入值，这样可以使系统更加准确，更加稳定。
