摘 要

神经网络是基于人类对生物神经系统的模仿而产生一门计算科学，它所具有的学习和泛化的能力为解决复杂问题提供了神经计算的方法。它经过几十年的发展，如今已经在预测预报，联想记忆，系统建模等方面得到了十分广泛的应用。而神经网络控制则是在1985年以后在神经网络的研究重回高潮期之后发展而来的控制领域的前沿理论，它为解决现代复杂系统的控制问题提供了一种新的思路。而作为工业控制中最常用的PID控制。虽然构造简单，控制效果好。但是他也具有一定的局限性：控制器参数难以确定。为此，我们将神经网络的思想引入到PID控制中来的。利用神经网络的自学习特征，可以设计出神经网络PID控制器，实现对PID参数的自适应调整，优化系统结构。

本论文讨论了基于神经网络的PID控制方法的设计，利用BP网络的学习能力进行系统辨识与参数在线整定，并使用Matlab软件进行仿真。

通过研究结果可以看出神经PID控制器具有自学习、自适应性等特点，同时对非线性对象有很好的控制效果，其参数设定的过程中不需知道控制对象的数学模型，可以广泛的适应于不同的控制系统。

关键词：神经网络 控制 PID 自适应

Abstract

Neural networks are based on human imitation of biological nervous system and produce a computational science, learning and generalization ability .it has to solve complex problems provides a method of neural computation. It is after decades of development, now in forecasting, associative memory, system modeling and other aspects of a very wide range of applications. After the latest theory and neural network control is in the 1985 study of neural networks in the height of the back of the control field evolved, it is a modern complex systems to solve control problems provides a new way of thinking. The most commonly used as an industrial control PID control. Although the structure is simple, good control effect. But he also has some limitations: controller parameters difficult to determine. To this end, we will introduce the neural network is thought to be the PID control. Self-learning feature of neural network, the neural network can be designed PID controller to achieve adaptive PID parameters to adjust and optimize the structure of the system.

This paper discusses the design PID control method based on neural network using BP network learning system identification and parameter setting online and use the Matlab simulation software.

The results can be seen through the neural PID controller with self-learning, self-adaptive characteristics, etc., while the non-linear object has good control effect, the process parameters set in the control object without knowing the mathematical model can be widely It adapted to the different control systems.

Key Words：Neural network；PID ；adaptive ；control

目 录

第1章 绪论 1

1.1 神经网络基本概述 1

第2章 神经网络的基本原理与模型 3

2.1人工神经元模型 3

2.2 学习过程 5

2.3 学习规则 5

第3章 BP神经网络 7

3.1批量学习与在线学习 7

3.2 BP神经网络原理 7

3.3 BP算法流程 10

3.4 BP神经网络结构设计 12

3.5 BP算法的收敛性 13

3.6 BP算法的局限性 13

3.7 动量BP算法 14

第4章 PID控制基本原理 15

4.1 PID控制基本原理 15

4.2 PID各参数作用 15

4.3 数字PID控制器 16

4.4 PID参数整定 17

第5章 基于神经网络的PID控制方法研究 19

5.1神经网络辨识器设计 19

5.2神经PID控制器设计 20

第6章 系统仿真 22

6.1 matlab神经网络工具箱 22

6.2 仿真程序 23

6.3 仿真结果及分析 23

小 结 26

致 谢 27

参考文献 28

附录A 29

第1章 绪论

1.1 神经网络基本概述

人工神经网络是人们从生理学的角度对人类神经系统的模仿而建立起来的一种机械模型，具有人脑的部分功能，是人工智能的重要分支，其特点主要是具有学习能力和较好的泛化能力。和大脑相似，人工神经网络也是由一些基础的信息处理单元相互联接而形成的网络结构，我们称他为人工神经元，它可以对信息进行处理和储存。网络的信息处理主要是通过神经元之间的相互作用，将接受到的信息转化为神经元之间的连接权值向量来进行处理的。20世纪80年代以来，神经网络的研究在经历过长时间的低谷后重回高潮，至今已经在模式识别、信号处理、函数逼近、智能控制等领域得到了广泛的应用。

神经网络作为人工智能的一个重要部分，源自于神经计算学派的联接主义，作为与当时人工智能研究的符号主义方向完全不同的新思想，他的形成最早可以追溯到1943年W.S.McCulloch与W.Pitts基于生物神经元学说，归纳总结了生物神经元的基本特性，他们提出了第一个人工神经元数学模型，即MP模型。MP模型的提出，标志着神经计算科学作为一个独立的新学科诞生了。