论文部分内容阅读
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。论文深入研究了神经网络PID控制器。首先简要介绍了传统的常规PID控制器，针对常规PID控制器对于复杂的、动态的和不确定的系统控制还存在着许多不足之处进行了分析。为了改善常规PID控制器还存在着的缺陷，文中介绍了五种改进方式(模糊PID控制器、专家PID控制器、灰色PID控制器、遗传算法PID控制器和神经网络PID控制器)。
本文主要研究了基于BP算法神经网络PID控制器。首先简要介绍了神经网络的理论基础和神经网络的学习算法，讨论了BP神经网络的数学理论，详细分析了几种流行的BP神经网络学习算法的优缺点。针对一般BP算法收敛速度慢，易陷入局部极小值的缺陷，本文在Fletcher-Reeves线性搜索方法和共轭梯度法的理论基础上，提出了基于共轭梯度法的BP算法。仿真结果表明，这种改进方案确实能够改善算法在训练过程中的收敛特性，而且提高收敛速度。将BP神经网络运用于PID控制中，能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时出现的参数整定不良和性能欠佳等缺陷。本文提出了一种基于改进BP神经网络的PID控制方法，用共轭梯度BP算法对神经网络PID控制器参数进行在线整定。仿真结果表明，这种改进方案能够提高算法在训练过程中的收敛速度，而且训练后的BP神经网络具有较强的自适应和自学习能力，提高了系统的鲁棒性和动态特性，有效的改善了系统的控制结果，达到了预期的目的。