PID神经网络多变量控制算法的研究与改进

摘要

在工业控制中人们喜欢用PID控制器，主要是因为它简单，稳定，可靠，容易调整.然则HD控制应对不了非线性，大时滞，不确定、多变量强耦合等大系统的控制要求.人工神经网络的发展，启发学者将神经网络的精髓融入PID控制中.舒怀林教授提出了融入PID规律的内嵌式神经网络-PID神经网络（PIDNN）.该网络的隐含层参照PID三大性能:微分、积分、比例构建.PID神经网络的优势在于它的初始权值可以依赖PID控制律进行设置.但有些控制系统没有积累到PID控制经验，只能随机设置初始权值.而没有规律的初始权值容易让PID神经网络陷入困境.为解决这个问题，很多研究者从各方面对PID神经网络进行改进.
　　本文在上述学者的研究基础上，从网络的输出函数入手，对PID多变量神经网络(MPIDNN)进行了改进.本文提出了一种新的函数模型去替换原MPIDNN的比例阈值函数.接着用MATLAB软件对仿真例子进行实验.改进后的网络比原来的在收敛速度和输入输出逼近方面，都取到了更好的效果.本文的主要内容如下:
　　首先阐述研究的选题背景和意义、国内外相关研究现状.接着介绍了PID神经网络的基础知识一神经网络的相关概念、BP神经网络.其中还叙述了PID控制原理、基于BP网络的PID控制器结构与缺陷等等.
　　其次重点展示了PID神经网络的结构、PID神经网络（单变量控制系统SPIDNN和多变量控制系统和MPIDNN的结构，算法）.然后阐述了PID神经网络的稳定性定理，交代了PIDNN初始权值的关键性.
　　最后本文从MPIDNN的输出函数出发，提出一种新的输出函数模型替换原网络的输出函数-比例阈值函数.针对一个3输入3输出的耦合系统，进行仿真.仿真图显示改进后的MPIDNN算法的收敛速度明显加快，误差控制得更好.
　　最后阶段本文还对阐述内容做个总结.然后针对本文的研究内容和研究方向，指出这个方向的研究前景和发展空间、还有可以进一步探讨的问题.

目录

摘要

第一章 绪论

1．1 研究的背景和意义

1．2 国内外的研究现状

1．2．1 智能控制与PID控制结合的研究现状

1．2．2 PID神经网络的研究现状

1．3 论文组织结构

第二章 PID神经网络的准备知识

2．1 人工神经网络的理论基础

2．2 BP神经网络的概述和介绍

2．2．1 BP神经网络

2．2．2 BP算法的数学描述

2．2．3 BP算法程序的实现

2．3 PID控制器介绍

2．4 基于BP神经网络的PID控制器

2．4．1 基于BP网络PID控制算法的缺陷

2．5 本章小结

第三章 PID神经网络—PIDNN

3．1 PID神经网络单变量控制系统理论

3．1．1 SPIDNN的前向算法

3．1．2 SPIDNN的反向算法

3．1．3 SPIDNN单变量控制系统的稳定性分析

3．2 PID神经网络多变量控制系统理论

3．2．1 MPIDNN的前向算法

3．2．2 MPIDNN的反向算法

3．3 PID神经网络初始权值的选取

3．4 本章小结

第四章 MPIDNN输出函数的研究与改进

4．1 MPIDNN输出函数的分析

4．2 MPIDNN输出函数的改进

4．3 MPIDNN仿真实例

4．4 本章小结

结论

参考文献

攻读硕士学位期间发表论文

声明

致谢