基于BP神经网络的PID控制系统研究与设计

作     者：李捷菲 

作者单位：吉林大学 

学位级别：硕士

导师姓名：康博南

授予年度：2019年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：PID控制 单神经元模型 BP神经网络 MATLAB仿真 FPGA 

摘      要：比例积分微分控制,简称PID(Proportional Integral Derivative)控制,是一种工业中广泛应用的简单有效、可靠性强的控制算法。然而,传统PID控制器在面对复杂非线性被控系统时,其控制效果并不理想。为了改善传统PID存在的缺陷以满足更高的工业要求,有必要设计出性能更好的改进型PID控制器。人工神经网络技术,具有自组织与自学习,非线性映射等能力。如何更加有效地利用神经网络与传统PID各自的优势,对复杂非线性被控系统达到更优良的控制效果,成为了现今的研究热点。基于此,本文的具体内容如下:首先,本文分析了传统PID的优缺点,推导出数字PID的算法公式,并介绍了几种新型PID控制器及其理论依据。其次,本文介绍了单神经元PID控制器,对激活函数的选取做出解释,同时介绍并推导了Hebb与Delta等学习规则,接着进一步引入BP神经网络的概念,给出算法推导详细步骤。然后,在上述内容基础上,针对传统PID难以控制的复杂非线性被控对象,本文以电机简化模型为例,为了改善其定位精确性差,初始运行时速度稳定性差等固有缺陷,同时克服传统PID的不足,将神经网络与传统PID结合起来并提出了改进与优化措施,设计出了性能更高的改进型BP神经网络PID控制器,最终达到改善电机控制性能的目的。最后,在MATLAB平台上,对所设计的PID进行了仿真与调试,仿真结果显示,对于上述电机模型,改进后的BP神经网络PID相比于单神经元PID,系统的上升时间减小了0.005s,超调量减少了1.5%,调节时间缩短了0.088s,系统的误差峰值范围减少±0.029。上述结果说明所设计的PID控制器性能有了大幅提升,同时这一结果可以进一步推广到更加复杂的被控系统上。在完成了对算法正确性及有效性的验证后,本文对所提出的PID在FPGA上的实现进行了设计与探讨。