唐元恒，王占勇，鄒剛，張玎

（海軍航空工程學(xué)院青島校區(qū)，山東青島，266041）

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì)及模擬研究

唐元恒，王占勇，鄒剛，張玎

（海軍航空工程學(xué)院青島校區(qū)，山東青島，266041）

本文首先對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行概述，然后對基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì)進(jìn)行分析，最后進(jìn)行模擬仿真研究，得出基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器與傳統(tǒng)PID控制器具有適應(yīng)性強(qiáng)、精度高等明顯優(yōu)勢的結(jié)論。

BP神經(jīng)網(wǎng)絡(luò)；PID控制器；設(shè)計(jì)；模擬研究

0 引言

PID控制器是一種簡單、有效的控制算法，具有魯棒性好、可靠等優(yōu)勢，在工業(yè)過程的控制中具有廣泛的應(yīng)用。但是，PID控制器的建立需要依靠確定的數(shù)學(xué)模型，在實(shí)際的生產(chǎn)中很難達(dá)到這一條件，通常就有非線性與不確定性等，很難保證數(shù)學(xué)模型的精確性，在這種情況下傳統(tǒng)的PID控制器很難實(shí)現(xiàn)良好的控制效果。另外，由于PID控制器整定參數(shù)比較困難，并且性能不好，很難使用運(yùn)行工況。微處理技術(shù)與數(shù)字智能式控制器的發(fā)展與應(yīng)用，為控制復(fù)雜的系統(tǒng)提供了新的可能性。一些新型的、經(jīng)過改進(jìn)的PID控制器逐漸發(fā)展起來，控制效果得到顯著提升。在這些新型的控制系統(tǒng)中，包括模糊、預(yù)測、專家、灰色PID控制系統(tǒng)與神經(jīng)控制系統(tǒng)。

1 BP神經(jīng)網(wǎng)絡(luò)概述

大腦具有很強(qiáng)的智能性，能夠快速接收與處理感官輸出的模糊信息，并且感知到較低的聲音與并不清晰的影像。神經(jīng)網(wǎng)絡(luò)即為使用科學(xué)技術(shù)對人腦中的結(jié)構(gòu)與功能進(jìn)行模擬，為規(guī)模較大的非線性動力學(xué)系統(tǒng)。該種網(wǎng)絡(luò)能夠儲存、處理信息，并且能夠?qū)崿F(xiàn)主動學(xué)習(xí)，因此在處理信息、識別模式、控制智能等方面的應(yīng)用將會越來越廣泛。從某種意義上來說，神經(jīng)網(wǎng)絡(luò)能夠被稱為人工神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)并不僅僅是使用物理元器件對生物體中的神經(jīng)網(wǎng)絡(luò)進(jìn)行復(fù)制，而是使用其中能夠利用的部分對當(dāng)前計(jì)算機(jī)與其他系統(tǒng)中尚未解決的問題進(jìn)行分析與解決，例如對專家系統(tǒng)進(jìn)行的識別、學(xué)習(xí)與控制等?，F(xiàn)代生物與科學(xué)技術(shù)的發(fā)展增加了人類對腦結(jié)構(gòu)與認(rèn)知過程的理解，神經(jīng)網(wǎng)絡(luò)技術(shù)得到進(jìn)一步發(fā)展，在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上發(fā)展起來的各種工業(yè)控制系統(tǒng)也逐漸增多。

在人工神經(jīng)網(wǎng)絡(luò)中，作為一種三層以上（包括三層）的多層前饋網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)應(yīng)用范圍最為廣泛，傳播方式為單向傳播，一般由輸入層、隱含層、輸出層組成。該網(wǎng)絡(luò)的學(xué)習(xí)過程包括正向與反向傳播。正向傳播時，輸入信息的傳播過程為輸入層→隱含層→輸出層，每一層神經(jīng)元都只對下一層的神經(jīng)元產(chǎn)生影響。若在輸出層得不到期望輸出，則自動轉(zhuǎn)換為反向傳播，誤差信號（即Δ）會按照原來的傳播通路返回，對每層神經(jīng)元的權(quán)值進(jìn)行修改，將誤差信號控制在最小。BP網(wǎng)絡(luò)具有可微傳遞函數(shù)，因此硬閉值傳遞函數(shù)并不適用，通常使用正切與線性函數(shù)。

2 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)及模擬研究

2.1 PID控制器

PID控制器是一種反饋回路軟件，在工業(yè)控制中應(yīng)用比較廣泛。該控制器能夠比較收集到的信息數(shù)據(jù)與參考值，再將其中存在的差別作為計(jì)算新輸入值的依據(jù)。這種做法能夠保證系統(tǒng)中數(shù)據(jù)達(dá)到參考值并進(jìn)行保持。相較于其他的控制運(yùn)算，PID控制器能夠?qū)v史數(shù)據(jù)與差別出現(xiàn)率作為依據(jù)進(jìn)行輸入值的調(diào)整，提高系統(tǒng)的準(zhǔn)確性與穩(wěn)定性。使用數(shù)學(xué)知識與數(shù)學(xué)工具能夠發(fā)現(xiàn)，當(dāng)其他控制方法引起系統(tǒng)出現(xiàn)誤差或反復(fù)的時候，使用PID反饋回路對于系統(tǒng)的穩(wěn)定運(yùn)行具有良好的效果。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器

BP神經(jīng)網(wǎng)絡(luò)能夠逼近任何一種非線性函數(shù)，并且具有簡單明了的結(jié)構(gòu)與算法。使用BP神經(jīng)網(wǎng)絡(luò)能夠自主學(xué)習(xí)的功能，能夠?qū)δ骋豢刂埔?guī)律下最優(yōu)的P、I、D參數(shù)。基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的控制系統(tǒng)包括經(jīng)典PID控制器，能夠?qū)崿F(xiàn)對被控制對象的閉環(huán)控制，而且其中的Kp、Ki、Kd三個參數(shù)為在線整定式?；贐P神經(jīng)網(wǎng)絡(luò)的PID控制器的控制系統(tǒng)還包括神經(jīng)網(wǎng)絡(luò)MN。能夠?qū)ο到y(tǒng)的運(yùn)行狀態(tài)進(jìn)行分析，以便實(shí)現(xiàn)對PID控制參數(shù)的調(diào)節(jié)，對目標(biāo)性能指標(biāo)進(jìn)行優(yōu)化。輸出層中的神經(jīng)元的輸出狀態(tài)與PID控制器中的Kp、Ki、Kd三個參數(shù)相對應(yīng)。由于BP神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行自動學(xué)習(xí)并且調(diào)整加權(quán)系數(shù)，保證其穩(wěn)定狀態(tài)與某一控制規(guī)律PID控制參數(shù)相對應(yīng)。

2.3 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì)

2.3.1PID控制器的結(jié)構(gòu)設(shè)計(jì)

上文中已經(jīng)提到基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的控制系統(tǒng)包括經(jīng)典PID控制器與神經(jīng)網(wǎng)絡(luò)MN。

2.3.2PID控制器的實(shí)現(xiàn)過程

初始化：對BP神經(jīng)網(wǎng)絡(luò)與網(wǎng)絡(luò)參數(shù)中的初始值進(jìn)行確定，選定合適的學(xué)習(xí)率、動量因子，該情況下k值為1；比較系統(tǒng)中采集到的輸入數(shù)據(jù)與輸出數(shù)據(jù)，得知系統(tǒng)誤差表示式。然后對是否出現(xiàn)丟包情況進(jìn)行判斷，如果出現(xiàn)該情況使用k-1時刻的誤差；計(jì)算神經(jīng)網(wǎng)絡(luò)中每層的輸入與輸出值，輸出就是PID控制器中的Kp、Ki、Kd三個參數(shù)；對PID控制器的輸出進(jìn)行計(jì)算；對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行在線調(diào)整，保證系統(tǒng)參數(shù)實(shí)現(xiàn)自適應(yīng)調(diào)整。

2.3.3設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)的PID控制算法

BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層組成，k值取3，分別是Kp、Ki、Kd。由于Kp、Ki、Kd在目標(biāo)函數(shù)有一定權(quán)重含義，所以BP神經(jīng)網(wǎng)絡(luò)中將Sigmoid函數(shù)作為隱含層、輸出層中全部節(jié)點(diǎn)的轉(zhuǎn)換函數(shù)。

系統(tǒng)的輸入與誤差信號。BP神經(jīng)網(wǎng)絡(luò)信號輸入層的輸入與輸出為：Ii

0（k）=xi（k）與Oi0=Ii

0（k），i=1，2，3，……，M。其中，M為輸入變量的個數(shù)，M的值與被控制系統(tǒng)的復(fù)雜程度成正比，系統(tǒng)越復(fù)雜，則M的值越大。Ii0、Oi

0、Ii

0中的上標(biāo)代表BP神經(jīng)網(wǎng)絡(luò)中輸入層、隱含層、輸出層；然后對BP神經(jīng)網(wǎng)絡(luò)信號隱含層與輸入層的輸入與輸出進(jìn)行描述；最后修正系統(tǒng)的誤差。當(dāng)系統(tǒng)的誤差較大，已經(jīng)超出控制范圍時，能夠使用BP學(xué)習(xí)算法，將學(xué)習(xí)率與動量因子加入其中，能夠有效降低系統(tǒng)中產(chǎn)生的誤差，在迭代修正BP神經(jīng)網(wǎng)絡(luò)中的權(quán)值，列出系統(tǒng)中的控制性能相關(guān)函數(shù)。列出函數(shù)后，使用微分鏈?zhǔn)揭?guī)則與合適的計(jì)算方式能夠計(jì)算出系統(tǒng)神經(jīng)元的局域梯度，將經(jīng)過修正的系統(tǒng)BP網(wǎng)絡(luò)信號輸出層的權(quán)值經(jīng)過計(jì)算得出，使用同樣的方式得出隱含層權(quán)值。

3 結(jié)語

雖然常規(guī)的PID控制器結(jié)構(gòu)比較簡單，并且具有良好的穩(wěn)定性與可靠性，但是其中存在的缺陷也很明顯：常規(guī)的PID控制器將數(shù)學(xué)模型作為基礎(chǔ)，如果被控制的對象的數(shù)學(xué)模型精度不足，而且常規(guī)的PID控制器針對非線性系統(tǒng)，并不具備通用的分析方式與設(shè)計(jì)方法。另一方面，盡管常規(guī)的PID控制器也具有一些魯棒性、適應(yīng)性，但是對具有強(qiáng)非線性與干擾性的對象進(jìn)行控制時，效果并不好。常規(guī)的PID控制器的種種缺陷為基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的控制系統(tǒng)提供了廣闊的應(yīng)用空間。所以，將PID控制器與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行有機(jī)結(jié)合的控制方式已經(jīng)成本熱點(diǎn)研究問題。PID神經(jīng)網(wǎng)絡(luò)由比例、微分神經(jīng)元等組成，能夠進(jìn)行快速學(xué)習(xí)，并且具有良好的性能。BP神經(jīng)網(wǎng)絡(luò)能夠在線整定、優(yōu)化PID控制參數(shù)，適應(yīng)能力與魯棒性比較強(qiáng)，在多個工程控制中都有著廣泛的應(yīng)用。

[1]蔣鼎國.基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)PID控制器的溫室溫度控制技術(shù)[J].實(shí)驗(yàn)室研究與探索, 2015, 34(1):9-13.

[2]鄭華清，蔣敏蘭.基于MPSO算法的BP神經(jīng)網(wǎng)絡(luò)PID控制器研究[J].微型機(jī)與應(yīng)用, 2015(17):7-11.

[3]于海南，鄭榮進(jìn)，步文月，蔣歡.基于BP神經(jīng)網(wǎng)絡(luò)PID控制器在水產(chǎn)溫室溫度控制中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué), 2016(3):312-315.

[4]崔皆凡，謝煒，馬桂新，張孝亮.基于BP神經(jīng)網(wǎng)絡(luò)PID的改進(jìn)偏差耦合同步控制[J].微電機(jī), 2016(12):54-57.

[5]呂偉，姚凱學(xué).BP神經(jīng)網(wǎng)絡(luò)PID控制算法在農(nóng)作物干燥控制系統(tǒng)中的應(yīng)用研究與設(shè)計(jì)[J].計(jì)算機(jī)測量與控制, 2015, 23(2):432-435.

Design and Simulation of PID Controller Based on BP Neural Network

Tang Yuanheng,Wang Zhanyong,Zou Gang,Zhang Ding
(Naval Aeronautical Engineering Institute Qingdao Campus,Qingdao Shandong,266041)

This paper first summarizes the BP neural network, and then analyzes the design of the PID controller based on BP neural network. Finally, the simulation results show that the PID controller based on BP neural network is adaptable to the traditional PID controller Strong, high precision and other obvious advantages of the conclusion.

BP neural network; PID controller; design; simulation study

唐元恒（1974.11），男 ，漢族，籍貫：山東萊蕪，碩士研究生，工程師，研究方向：裝備綜合保障。