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。本文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，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。为了达到改善常规PID控制器在复杂的、动态的和不确定的系统控制还存在着许多不足之处的目的，文中系统的介绍了五种改进方式，主要有：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。神经网络具有强的非线性映射能力、自学习能力、联想记忆能力、并行信息处理方式及优良的容错性能。应用神经网络对PID控制器进行改进后，对于工业控制中的复杂系统控制有着更好的控制效果，有效的改善了由于系统结构和参数变化导致的控制效果不稳定。文中主要对基于单神经元PID控制器、BP神经网络PID控制器进行研究。对于BP神经网络初始权值选择困难的问题，本文采用粒子群优化算法(PSO)来对BP神经网络控制器进行优化。本文同时也利用PSO算法对常规PID控制器的参数进行整定研究。最后，本文分别对PSO算法和常规Z-N法整定的常规PID控制器进行仿真试验，仿真结果表明PSO整定法明显改善了系统性能。本文也对单神经元自适应PID控制系统和基于PSO优化的BP神经网络PID控制系统进行仿真试验，发现后者使系统的性能有所提高。