開題報告---基于bp神經(jīng)網(wǎng)絡的pid控制器的研究

1、<p>　　本 科 畢 業(yè) 設 計（論文）開 題 報 告</p><p>　　題 目：基于BP神經(jīng)網(wǎng)絡的PID控制器的研究</p><p>　　本課題來源及研究現(xiàn)狀：</p><p>　　在控制系統(tǒng)設計中，最主要而又最困難的問題是如何針對復雜，變化及具有不確定性的控制對象和環(huán)境作出有效的控制決策。經(jīng)典控制理論和現(xiàn)代控制理論的基礎是建立數(shù)學模型，以此進行系

2、統(tǒng)設計，然而面對工程實際問題和工程應用對控制要求的不斷提高，給予數(shù)學模型的控制理論和方法的局限性日益明顯。無模型控制能有效地提高系統(tǒng)的實用性和魯棒性。因此，走向無模型控制是自動控制發(fā)展的另一個重要方向。</p><p>　　在1943年，麥卡洛克和皮茨首次提出了腦模型，其最初動機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），光電子學和計算機技術的發(fā)展，人工神經(jīng)網(wǎng)絡（ANN）已引起更為廣泛的注意。近年

3、來，給予神經(jīng)控制的理論和機理的進一步開發(fā)和應用。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)絡控制器具有學習能力、記憶能力、概括能力、并行處理能力和容錯能力等重要特性，仍然有許多神經(jīng)網(wǎng)絡控制器被設計出來，這類控制器具有并行處理、執(zhí)行速度快、魯棒性好、自適應性強和適于應用等特點，廣泛應用在控制領域。</p><p>　　神經(jīng)網(wǎng)絡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、制對象，并且較強的適應性和學習能力，他是智能控制的一個重要分支，對于自動控制來說，神經(jīng)網(wǎng)絡具有自適應功能，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，這使得神經(jīng)網(wǎng)絡成為當今一個非常熱門的交叉學科，廣泛應用在電力、化工、機械等各行各業(yè)，并取得了比較好的控制效果。</p><p>　　隨著現(xiàn)代工業(yè)過程的日益復雜，經(jīng)典控制理論面臨非常嚴峻的挑戰(zhàn)，例如被控系統(tǒng)越來越巨大，存在多種不確定因素，存在難以確定描述的

5、非線性特性，而控制的要求越來越高（如控制精度、穩(wěn)定性、容錯性、實時性等），因此人們一直在探索如何使控制系統(tǒng)具有更高的智慧，使之能夠適應各種控制環(huán)境。而神經(jīng)網(wǎng)絡源于對人腦神經(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60年代起，人們就開始研究神經(jīng)網(wǎng)絡在控制中的應用，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)絡的應用越來越廣泛。</p><p

6、>　　從神經(jīng)網(wǎng)絡的基本模型看，主要有：前饋型，反饋型，自組織型及隨機型神經(jīng)網(wǎng)絡，這四種類型各自具有不同的網(wǎng)絡模型。</p><p>　　本次神經(jīng)PID主要采用BP算法，因BP神經(jīng)網(wǎng)絡具有逼近任意非線性函數(shù)的能力，而且結構和學習算法簡單明確。通過神經(jīng)網(wǎng)絡的自身學習、加權系數(shù)調整，從而使其穩(wěn)定狀態(tài)對應用于某種最優(yōu)控制率下的PID控制參數(shù)。</p><p>　　課題研究目標、內容、方法和手

7、段</p><p>　　1 課題的研究目標：</p><p>　　針對傳統(tǒng)PID算法的局限性，本次設計利用BP神經(jīng)網(wǎng)絡PID控制器對一個單閉環(huán)系統(tǒng)進行仿真研究，從而得出BP控制器具有較強的自整定、自適應的優(yōu)點。</p><p>　　2 課題研究的主要內容:</p><p>　　假定一個輸入，在神經(jīng)網(wǎng)絡的自主調節(jié)下進行MATLAB仿真，總結

8、神經(jīng)網(wǎng)絡調節(jié)的優(yōu)缺點。</p><p>　　3 課程設計方法和手段：</p><p>　?。?）根據(jù)設計原理畫出系統(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>　?。?）設計控制器。</b></p><p>　?。?）用MATLAB仿真。</p><p>　　設計（論文）提綱及進度安排：</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)絡原理和應用</p><p>　　第四章 BP神經(jīng)網(wǎng)絡PID控制方法研究</p><p><b>　　第五章 仿真研究</b></p><p><b>　　結論與展望</b></p><

11、p><b>　　附錄</b></p><p><b>　　參考文獻</b></p><p><b>　　外文資料及譯文</b></p><p><b>　　致謝</b></p><p><b>　　進度安排：</b></p

12、><p>　　第4周：根據(jù)論文題目認真收集有關資料，整理出相關資料</p><p>　　第5周：進行總體方案設計，完成開題報告。</p><p>　　第6-8周：復習PID控制的相關知識，學習神經(jīng)網(wǎng)絡的原理和算法。</p><p>　　第9-10周：神經(jīng)網(wǎng)絡和PID控制器的結合，對整個系統(tǒng)的具體設計。</p><p>　　

13、第11-12周：程序設計：根據(jù)系統(tǒng)的整體方案，進行程序的編制。</p><p>　　第13-15周：文件編制：編寫設計說明書，準備答辯提綱。</p><p>　　第16周：進行答辯，對所做設計進行改進和完善</p><p>　　主要參考文獻和書目：</p><p>　　[1] 陶永華，葛蘆生.新型PID控制及其應用[M].北京：機械工業(yè)出版社

14、，1998</p><p>　　[2] 劉金琨.先進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[M].北京：北京工業(yè)大學出版社，1999</p><p>　　[4] 陳桂明.應用MATLAB建模與仿真[M].北京：科學出版社，2001</p><p>　　[5

15、] 黃忠霖.控制系統(tǒng)MATLAB計算及仿真[M].北京：國防工業(yè)出版社，2004</p><p>　　[6] 陳樺，程云艷.BP神經(jīng)網(wǎng)絡算法的改進及在MATLAB中的實現(xiàn)[J].陜西大學學報.2004，45-47</p><p>　　[7] 趙娟平，張玉俠.基于BP神經(jīng)網(wǎng)絡整定的PID控制及其仿真研究[J].沈陽化工學院信息工程學報，2007，134-136</p><

16、p>　　[8] 曾軍.神經(jīng)網(wǎng)絡PID控制器的研究及仿真[D].湖南大學學位論文，2005</p><p>　　[9] 任子武.基于神經(jīng)網(wǎng)絡的參數(shù)自整定PID控制算法研究[D].哈爾濱理工大學，2004 </p><p>　　[10] 陳宇峰，蔡琴.基于BP神經(jīng)網(wǎng)絡的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建模仿真開發(fā)與高級工程應用[M]，清華大學出版社，2005</p><p>　　[12] 陳桂明.應用MATLAB建模與仿真.科學出版社，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)大學出版社，1998</p><p>　　[14] 徐麗娜，神經(jīng)網(wǎng)絡控制[M].電子工

18、業(yè)出版社，2003</p><p>　　[15] 喻宗泉 喻晗.神經(jīng)網(wǎng)絡控制[M].西安：電子科技大學出版社，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>　　指導教師審核意見：</b><