1、 本本 科科 毕毕 业业 设设 计（论文）开计（论文）开 题题 报报 告告 题 目：基于 BP 神经网络的 PID 控制器的研究 本课题来源及研究现状： 在控制系统设计中，最主要而又最困难的问题是如何针对复杂，变化及具有 不确定性的控制对象和环境作出有效的控制决策。 经典控制理论和现代控制理论 的基础是建立数学模型，以此进行系统设计，然而面对工程实际问题和工程应用 对控制要求的不断提高，给予数学模型的控制理论和方法的局限性日益明显。无 模型控制能有效地提高系统的实用性和鲁棒性。因此，走向无模型控制是自动控 制发展的另一个重要方向。 在 1943 年，麦卡洛克和皮茨首次提出了脑模型，其最初动机在
2、于模仿生物 的神经系统。随着超大规模的集成电路（VISI） ，光电子学和计算机技术的发展， 人工神经网络（ANN）已引起更为广泛的注意。近年来，给予神经控制的理论和 机理的进一步开发和应用。尽管基于神经元多分控制能力比较有限，但由于神经 网络控制器具有学习能力、记忆能力、概括能力、并行处理能力和容错能力等重 要特性，仍然有许多神经网络控制器被设计出来，这类控制器具有并行处理、执 行速度快、鲁棒性好、自适应性强和适于应用等特点，广泛应用在控制领域。 神经网络控制是一种基本上不依赖于模型的控制方法， 他比较适用于那些具 有不确定性或高度非线性的控制对象，并且较强的适应性和学习能力，他是智能 控制的
3、一个重要分支， 对于自动控制来说， 神经网络具有自适应功能， 泛化功能， 非线性映射功能，高度并行处理功能等几方面优势，这使得神经网络成为当今一 个非常热门的交叉学科，广泛应用在电力、化工、机械等各行各业，并取得了比 较好的控制效果。 随着现代工业过程的日益复杂，经典控制理论面临非常严峻的挑战，例如被 控系统越来越巨大，存在多种不确定因素，存在难以确定描述的非线性特性，而 控制的要求越来越高（如控制精度、稳定性、容错性、实时性等） ，因此人们一 直在探索如何使控制系统具有更高的智慧，使之能够适应各种控制环境。而神经 网络源于对人脑神经功能的模拟， 他具有的某些类似人的智能特性有可能被用于 解决
4、现代控制面临的一些难题。因此，从 20 世纪 60 年代起，人们就开始研究神 经网络在控制中的应用，并取得了一定效果，目前，随着神经理论的发展和新算 法的相继提出，神经网络的应用越来越广泛。 从神经网络的基本模型看，主要有：前馈型，反馈型，自组织型及随机型神 经网络，这四种类型各自具有不同的网络模型。 本次神经 PID 主要采用 BP 算法， 因 BP 神经网络具有逼近任意非线性函数的 能力， 而且结构和学习算法简单明确。 通过神经网络的自身学习、 加权系数调整， 从而使其稳定状态对应用于某种最优控制率下的 PID 控制参数。 课题研究目标、内容、方法和手段 1 课题的研究目标： 针对传统 P
5、ID 算法的局限性，本次设计利用 BP 神经网络 PID 控制器对一个 单闭环系统进行仿真研究，从而得出 BP 控制器具有较强的自整定、自适应的优 点。 2 课题研究的主要内容: 假定一个输入，在神经网络的自主调节下进行 MATLAB 仿真，总结神经网络 调节的优缺点。 3 课程设计方法和手段： （1）根据设计原理画出系统框图。 Ki Kd Kp 输入 r 输出 y + （2）设计控制器。 （3）用 MATLAB 仿真。 学习算法 神经网络 PID 调节器 对象 de/dt 设计（论文）提纲及进度安排： 提纲：第一章 绪论 第二章 数字 PID 控制 第三章 神经网络原理和应用 第四章 BP
6、神经网络 PID 控制方法研究 第五章 仿真研究 结论与展望 附录 参考文献 外文资料及译文 致谢 进度安排： 第 4 周：根据论文题目认真收集有关资料，整理出相关资料 第 5 周：进行总体方案设计，完成开题报告。 第 6-8 周：复习 PID 控制的相关知识，学习神经网络的原理和算法。 第 9-10 周：神经网络和 PID 控制器的结合，对整个系统的具体设计。 第 11-12 周：程序设计：根据系统的整体方案，进行程序的编制。 第 13-15 周：文件编制：编写设计说明书，准备答辩提纲。 第 16 周：进行答辩，对所做设计进行改进和完善 主要参考文献和书目： 1 陶永华，葛芦生.新型 PID 控制及其应用M.北京：机械工业出版社，1998 2 刘金琨.先进 PID 控制及其 MATLAB 仿真M.北京：电子工业出版社，2004 3 易继锴，侯媛彬.智能控制技术M.北京：北京工业大学出版社，1999 4 陈桂明.应用 MATLAB 建模与仿真M.北京：科学出版社，2001 5 黄忠霖.控制系统 MATLAB 计算及仿真M.北京
