摘 要：PID控制算法在工業(yè)控制領(lǐng)域中應(yīng)用廣泛，但在實際應(yīng)用中，其參數(shù)整定問題一直是一個尚未完全解決的難點。文章介紹了BP神經(jīng)網(wǎng)絡(luò)的基本原理，對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行構(gòu)建，在構(gòu)建過程中通過相關(guān)方法對權(quán)系數(shù)進(jìn)行有效修正，同時對PID參數(shù)進(jìn)行整定，運用matlab軟件對一個實例進(jìn)行了仿真研究，分析了BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率，隱層節(jié)點數(shù)對控制效果的影響。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；PID；控制效果

引言

PID控制因為算法簡單，魯棒性能好，可靠性高被廣泛應(yīng)用于工業(yè)過程控制中，通常需要整定3個參數(shù)：比例系數(shù)、微分時間、積分時間。但由于傳統(tǒng)PID控制在實際工業(yè)控制系統(tǒng)中會出現(xiàn)類似控制過程非線性，時變性等不確定的問題，會使原來的參數(shù)難以建立精確的數(shù)學(xué)模型，從而無法保證系統(tǒng)達(dá)到理想的控制效果[1]。

而在傳統(tǒng)PID控制過程中由于部分因素影響會使得控制過程出現(xiàn)某些問題，如非線性問題，另外還可能會造成時變性不確定。這對于相關(guān)模型構(gòu)建則會帶來一定的影響，使模型精確度降低，無法滿足控制要求。因此，需要一種改進(jìn)型的PID控制器對系統(tǒng)進(jìn)行控制。神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)和自學(xué)習(xí)的能力[2]，通過相關(guān)手段對PID控制器進(jìn)行完善，可對其系統(tǒng)結(jié)構(gòu)等進(jìn)行優(yōu)化從而得到更好的控制效果，保證系統(tǒng)的穩(wěn)定性，相對于傳統(tǒng)的PID控制算法來說具有更好的適應(yīng)性。

1 BP神經(jīng)網(wǎng)絡(luò)PID控制

1.1 BP算法的基本原理

利用梯度最速下降法作為BP算法可對整個控制體系進(jìn)行有效優(yōu)化，一方面采取該方法可對權(quán)系數(shù)進(jìn)行修正，從而使傳播誤差得到控制。在上述條件下可讓網(wǎng)絡(luò)實際輸出值與目標(biāo)輸出值偏差控制在最小范圍內(nèi)，使得控制過程得到優(yōu)化。而在正向傳播階段，需要對輸入層權(quán)值進(jìn)行控制，通過利用隱含層節(jié)點可對相關(guān)函數(shù)激活并對輸出層節(jié)點產(chǎn)生作用，最后獲取輸出值。若輸出值與目標(biāo)輸出無法匹配再對誤差變化進(jìn)行分析，通過有效反向傳播進(jìn)行反饋，同時對各個層級的神經(jīng)元權(quán)值進(jìn)行轉(zhuǎn)變，最終得到期望值[3]。

1.2 基于BP網(wǎng)絡(luò)的PID控制算法歸納

基于BP網(wǎng)絡(luò)的PID控制器控制算法歸納如下：

①先對BP網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行有效確定，確定輸入層節(jié)點數(shù)M及隱藏層節(jié)點Q，同時對各層的加權(quán)系數(shù)初值w■■（0）和w■■（0）進(jìn)行把握，另外還要確定學(xué)習(xí)速率？濁和慣性系數(shù)？琢；②采樣rin（k）和yout（k），獲取誤差error（k）=rin（k）-yout（k）；③對PID控制器可調(diào)參數(shù)進(jìn)行計算（神經(jīng)元輸入值、輸出值、輸出層值）；④根據(jù)相關(guān)公式對PID控制器的輸出u（k）進(jìn)行計算；⑤利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)對w■■（0）和w■■（0）進(jìn)行調(diào)整，從而使PID控制參數(shù)可自行調(diào)整；⑥置k=k+1，返回至第①步。

2 實例說明

設(shè)被控對象的近似數(shù)學(xué)模型為：y（k）=■+u（k-1），a0（k）是慢時變的，a0（k）=1+0.15sin（k？仔/25）。輸入信號為正弦信號r（k）=sin（2k？仔/100），將學(xué)習(xí)速率設(shè)置為0.28，慣性系數(shù)設(shè)置為0.04，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置為4-5-3型。

仿真曲線圖如圖1至圖4所示。

從上述曲線可知基于神經(jīng)網(wǎng)絡(luò)所得到的PID控制器可保持穩(wěn)定的工作狀態(tài)，誤差較小，這使得超調(diào)及抖動等問題均得到了有效控制。另一方面上述PID控制器具備了理想的精度，可同步跟蹤控制信號，無論是在適應(yīng)性上還是速率上較傳統(tǒng)PID控制均表現(xiàn)了明顯的優(yōu)勢。

3 參數(shù)設(shè)定

3.1 網(wǎng)絡(luò)的層數(shù)

一般情況下會以三層網(wǎng)絡(luò)進(jìn)行構(gòu)建，其中存在一個隱藏層。利用多層結(jié)構(gòu)可在一定程度上提升精度，當(dāng)然也會造成結(jié)構(gòu)趨于復(fù)雜化，而在隱含層當(dāng)中適當(dāng)增加神經(jīng)元數(shù)目也可有效控制誤差并提升進(jìn)度，從操作性來看更為簡便。

3.2 加權(quán)系數(shù)的初值

加權(quán)系數(shù)的初值最好設(shè)置為隨機數(shù)。因為系統(tǒng)是非線性的，初始值與學(xué)習(xí)是否達(dá)到局部最小、是否能夠收斂以及訓(xùn)練時間的長短的關(guān)系很大。如果在學(xué)習(xí)開始時將所有初值設(shè)置一致，那么各個隱含層將會得到一致的加權(quán)系數(shù)調(diào)整量，并保持加權(quán)系數(shù)一致。在matlab中，分別用語句wi=0.50*rands（H，IN）；wo=0.50*rands（Out，H）；對輸入層到隱層，以及隱層到輸出層隨機取值。

3.3 學(xué)習(xí)速率

學(xué)習(xí)速率的選取范圍在0.01-0.8之間，本研究中將學(xué)習(xí)速率設(shè)定為0.01至0.8區(qū)間內(nèi)，以此促使系統(tǒng)可維持穩(wěn)定的運行態(tài)。學(xué)習(xí)速率決定著每次循環(huán)訓(xùn)練中引起的突觸權(quán)值變化量。選擇的太大，可能會導(dǎo)致系統(tǒng)不穩(wěn)定；選擇的太小，雖然能保證網(wǎng)絡(luò)的誤差值趨于最小誤差值，但學(xué)習(xí)時間過長，收斂速度較慢。

3.4 隱層節(jié)點數(shù)

在滿足精度要求的前提下取盡可能少的隱層節(jié)點數(shù)。隱層節(jié)點數(shù)與輸入層和輸出層的節(jié)點數(shù)以及網(wǎng)絡(luò)的復(fù)雜程度有關(guān)。當(dāng)隱含層節(jié)點數(shù)取輸入層和輸出層節(jié)點數(shù)之間且靠近輸入層節(jié)點數(shù)的值時，收斂速度較快；隱層節(jié)點數(shù)太少時，學(xué)習(xí)過程不收斂；隱層節(jié)點數(shù)太多時，網(wǎng)絡(luò)映射能力增強，容易收斂到最小點，但是會使學(xué)習(xí)時間變長，網(wǎng)絡(luò)容錯性降低。

4 結(jié)束語

基于BP神經(jīng)網(wǎng)絡(luò)PID控制器必須通過試探法先確定理想的學(xué)習(xí)速率以及合適的初始權(quán)值，讓系統(tǒng)在運行過程中保持穩(wěn)定態(tài)。神經(jīng)網(wǎng)絡(luò)PID控制方法簡單，無需建立被控系統(tǒng)的數(shù)學(xué)模型，避免了人工整定PID參數(shù)的繁瑣工作。文章只是對基于BP神經(jīng)網(wǎng)絡(luò)的PID控制進(jìn)行簡單的研究，并沒有應(yīng)用到現(xiàn)實中的實際問題，如果將此類研究和現(xiàn)實中的例子結(jié)合，將會很有意義。

參考文獻(xiàn)

[1]劉強，賈鴻莉，齊晶薇.基于BP神經(jīng)網(wǎng)絡(luò)的PID控制算法的教學(xué)研究[J].中國信息化，2013（2）：276-277.

[2]夏紅.PID參數(shù)整定方法綜述[J].浙江科技學(xué)院學(xué)報，2003，15（4）：236-240.

[3]劉玉儒，張振華，劉陵順，劉迪.一種基于BP神經(jīng)網(wǎng)絡(luò)算法PID控制器的研究及其仿真[J].電子設(shè)計工程，2012，20（12）：140-142.