開(kāi)題報(bào)告---基于bp神經(jīng)網(wǎng)絡(luò)的pid控制器的研究

1、<p>　　本 科 畢 業(yè) 設(shè) 計(jì)（論文）開(kāi) 題 報(bào) 告</p><p>　　題 目：基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的研究</p><p>　　本課題來(lái)源及研究現(xiàn)狀：</p><p>　　在控制系統(tǒng)設(shè)計(jì)中，最主要而又最困難的問(wèn)題是如何針對(duì)復(fù)雜，變化及具有不確定性的控制對(duì)象和環(huán)境作出有效的控制決策。經(jīng)典控制理論和現(xiàn)代控制理論的基礎(chǔ)是建立數(shù)學(xué)模型，以此進(jìn)行系

2、統(tǒng)設(shè)計(jì)，然而面對(duì)工程實(shí)際問(wèn)題和工程應(yīng)用對(duì)控制要求的不斷提高，給予數(shù)學(xué)模型的控制理論和方法的局限性日益明顯。無(wú)模型控制能有效地提高系統(tǒng)的實(shí)用性和魯棒性。因此，走向無(wú)模型控制是自動(dòng)控制發(fā)展的另一個(gè)重要方向。</p><p>　　在1943年，麥卡洛克和皮茨首次提出了腦模型，其最初動(dòng)機(jī)在于模仿生物的神經(jīng)系統(tǒng)。隨著超大規(guī)模的集成電路（VISI），光電子學(xué)和計(jì)算機(jī)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)（ANN）已引起更為廣泛的注意。近年

3、來(lái)，給予神經(jīng)控制的理論和機(jī)理的進(jìn)一步開(kāi)發(fā)和應(yīng)用。盡管基于神經(jīng)元多分控制能力比較有限，但由于神經(jīng)網(wǎng)絡(luò)控制器具有學(xué)習(xí)能力、記憶能力、概括能力、并行處理能力和容錯(cuò)能力等重要特性，仍然有許多神經(jīng)網(wǎng)絡(luò)控制器被設(shè)計(jì)出來(lái)，這類控制器具有并行處理、執(zhí)行速度快、魯棒性好、自適應(yīng)性強(qiáng)和適于應(yīng)用等特點(diǎn)，廣泛應(yīng)用在控制領(lǐng)域。</p><p>　　神經(jīng)網(wǎng)絡(luò)控制是一種基本上不依賴于模型的控制方法，他比較適用于那些具有不確定性或高度非線性的控

4、制對(duì)象，并且較強(qiáng)的適應(yīng)性和學(xué)習(xí)能力，他是智能控制的一個(gè)重要分支，對(duì)于自動(dòng)控制來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)功能，泛化功能，非線性映射功能，高度并行處理功能等幾方面優(yōu)勢(shì)，這使得神經(jīng)網(wǎng)絡(luò)成為當(dāng)今一個(gè)非常熱門(mén)的交叉學(xué)科，廣泛應(yīng)用在電力、化工、機(jī)械等各行各業(yè)，并取得了比較好的控制效果。</p><p>　　隨著現(xiàn)代工業(yè)過(guò)程的日益復(fù)雜，經(jīng)典控制理論面臨非常嚴(yán)峻的挑戰(zhàn)，例如被控系統(tǒng)越來(lái)越巨大，存在多種不確定因素，存在難以確定描述的

5、非線性特性，而控制的要求越來(lái)越高（如控制精度、穩(wěn)定性、容錯(cuò)性、實(shí)時(shí)性等），因此人們一直在探索如何使控制系統(tǒng)具有更高的智慧，使之能夠適應(yīng)各種控制環(huán)境。而神經(jīng)網(wǎng)絡(luò)源于對(duì)人腦神經(jīng)功能的模擬，他具有的某些類似人的智能特性有可能被用于解決現(xiàn)代控制面臨的一些難題。因此，從20世紀(jì)60年代起，人們就開(kāi)始研究神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用，并取得了一定效果，目前，隨著神經(jīng)理論的發(fā)展和新算法的相繼提出，神經(jīng)網(wǎng)絡(luò)的應(yīng)用越來(lái)越廣泛。</p><p

6、>　　從神經(jīng)網(wǎng)絡(luò)的基本模型看，主要有：前饋型，反饋型，自組織型及隨機(jī)型神經(jīng)網(wǎng)絡(luò)，這四種類型各自具有不同的網(wǎng)絡(luò)模型。</p><p>　　本次神經(jīng)PID主要采用BP算法，因BP神經(jīng)網(wǎng)絡(luò)具有逼近任意非線性函數(shù)的能力，而且結(jié)構(gòu)和學(xué)習(xí)算法簡(jiǎn)單明確。通過(guò)神經(jīng)網(wǎng)絡(luò)的自身學(xué)習(xí)、加權(quán)系數(shù)調(diào)整，從而使其穩(wěn)定狀態(tài)對(duì)應(yīng)用于某種最優(yōu)控制率下的PID控制參數(shù)。</p><p>　　課題研究目標(biāo)、內(nèi)容、方法和手

7、段</p><p>　　1 課題的研究目標(biāo)：</p><p>　　針對(duì)傳統(tǒng)PID算法的局限性，本次設(shè)計(jì)利用BP神經(jīng)網(wǎng)絡(luò)PID控制器對(duì)一個(gè)單閉環(huán)系統(tǒng)進(jìn)行仿真研究，從而得出BP控制器具有較強(qiáng)的自整定、自適應(yīng)的優(yōu)點(diǎn)。</p><p>　　2 課題研究的主要內(nèi)容:</p><p>　　假定一個(gè)輸入，在神經(jīng)網(wǎng)絡(luò)的自主調(diào)節(jié)下進(jìn)行MATLAB仿真，總結(jié)

8、神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)的優(yōu)缺點(diǎn)。</p><p>　　3 課程設(shè)計(jì)方法和手段：</p><p>　?。?）根據(jù)設(shè)計(jì)原理畫(huà)出系統(tǒng)框圖。</p><p>　　Ki Kd Kp</p><p><b>　　輸入r輸出y</b></p><p><b>　　+</b><

9、;/p><p><b>　　—</b></p><p><b>　?。?）設(shè)計(jì)控制器。</b></p><p>　　（3）用MATLAB仿真。</p><p>　　設(shè)計(jì)（論文）提綱及進(jìn)度安排：</p><p><b>　　提綱：第一章 緒論</b></

10、p><p>　　第二章 數(shù)字PID控制</p><p>　　第三章 神經(jīng)網(wǎng)絡(luò)原理和應(yīng)用</p><p>　　第四章 BP神經(jīng)網(wǎng)絡(luò)PID控制方法研究</p><p><b>　　第五章 仿真研究</b></p><p><b>　　結(jié)論與展望</b></p><

11、p><b>　　附錄</b></p><p><b>　　參考文獻(xiàn)</b></p><p><b>　　外文資料及譯文</b></p><p><b>　　致謝</b></p><p><b>　　進(jìn)度安排：</b></p

12、><p>　　第4周：根據(jù)論文題目認(rèn)真收集有關(guān)資料，整理出相關(guān)資料</p><p>　　第5周：進(jìn)行總體方案設(shè)計(jì)，完成開(kāi)題報(bào)告。</p><p>　　第6-8周：復(fù)習(xí)PID控制的相關(guān)知識(shí)，學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的原理和算法。</p><p>　　第9-10周：神經(jīng)網(wǎng)絡(luò)和PID控制器的結(jié)合，對(duì)整個(gè)系統(tǒng)的具體設(shè)計(jì)。</p><p>　　

13、第11-12周：程序設(shè)計(jì)：根據(jù)系統(tǒng)的整體方案，進(jìn)行程序的編制。</p><p>　　第13-15周：文件編制：編寫(xiě)設(shè)計(jì)說(shuō)明書(shū)，準(zhǔn)備答辯提綱。</p><p>　　第16周：進(jìn)行答辯，對(duì)所做設(shè)計(jì)進(jìn)行改進(jìn)和完善</p><p>　　主要參考文獻(xiàn)和書(shū)目：</p><p>　　[1] 陶永華，葛蘆生.新型PID控制及其應(yīng)用[M].北京：機(jī)械工業(yè)出版社

14、，1998</p><p>　　[2] 劉金琨.先進(jìn)PID控制及其MATLAB仿真[M].北京：電子工業(yè)出版社，2004</p><p>　　[3] 易繼鍇，侯媛彬.智能控制技術(shù)[M].北京：北京工業(yè)大學(xué)出版社，1999</p><p>　　[4] 陳桂明.應(yīng)用MATLAB建模與仿真[M].北京：科學(xué)出版社，2001</p><p>　　[5

15、] 黃忠霖.控制系統(tǒng)MATLAB計(jì)算及仿真[M].北京：國(guó)防工業(yè)出版社，2004</p><p>　　[6] 陳樺，程云艷.BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及在MATLAB中的實(shí)現(xiàn)[J].陜西大學(xué)學(xué)報(bào).2004，45-47</p><p>　　[7] 趙娟平，張玉俠.基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制及其仿真研究[J].沈陽(yáng)化工學(xué)院信息工程學(xué)報(bào)，2007，134-136</p><

16、p>　　[8] 曾軍.神經(jīng)網(wǎng)絡(luò)PID控制器的研究及仿真[D].湖南大學(xué)學(xué)位論文，2005</p><p>　　[9] 任子武.基于神經(jīng)網(wǎng)絡(luò)的參數(shù)自整定PID控制算法研究[D].哈爾濱理工大學(xué)，2004 </p><p>　　[10] 陳宇峰，蔡琴.基于BP神經(jīng)網(wǎng)絡(luò)的PID控制參數(shù)整定[J].2007，15-17</p><p>　　[11] 黃永安，馬路.MA

17、TLAB 7.0/Simulink 6.0建模仿真開(kāi)發(fā)與高級(jí)工程應(yīng)用[M]，清華大學(xué)出版社，2005</p><p>　　[12] 陳桂明.應(yīng)用MATLAB建模與仿真.科學(xué)出版社，2001</p><p>　　[13] 李士勇,模糊控制、神經(jīng)控制和智能控制[M]．哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1998</p><p>　　[14] 徐麗娜，神經(jīng)網(wǎng)絡(luò)控制[M].電子工

18、業(yè)出版社，2003</p><p>　　[15] 喻宗泉 喻晗.神經(jīng)網(wǎng)絡(luò)控制[M].西安：電子科技大學(xué)出版社，2009，125-146</p><p>　　[16] John T.Wen.BP neural network prediction-based variable-period sampling approach for networked control systems .20

19、06 </p><p>　　[17] Pete McCollum. X-Q adaptive PID Controller and Its Application to control system with the satisfied Performance.Saipan59@juno.com.2003</p><p><b>　　指導(dǎo)教師審核意見(jiàn)：</b><