摘  要： 常規(guī)PID的控制,，不但其參數(shù)難以整定，而且還依賴于對象的精確數(shù)學(xué)模型,，適應(yīng)性較差,，對復(fù)雜過程不能保證其控制精度。根據(jù)反應(yīng)釜溫度時間滯后具有非線性,、強耦合,、不確定性過程的控制需要，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的PID控制方法,。并介紹了神經(jīng)網(wǎng)絡(luò)PID控制器的算法,，對經(jīng)典PID參數(shù)選取進行了分析。仿真結(jié)果表明,，與傳統(tǒng)PID算法相比,，該控制方法可實現(xiàn)有效的控制，具有實現(xiàn)簡單,、控制效果好的特點,。
關(guān)鍵詞： 常規(guī)PID；BP神經(jīng)網(wǎng)絡(luò),；仿真

    常規(guī)PID控制算法對于大部分工業(yè)過程的被控對象控制效果良好[1,，2]，但是對于反應(yīng)釜溫度的時間滯后問題,，PID控制算法在控制溫度跟蹤變化曲線時存在振蕩和精度低的缺點,。近年來，神經(jīng)網(wǎng)絡(luò)控制以其獨特的優(yōu)點受到控制界的關(guān)注。神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于能夠逼近任意復(fù)雜的非線性映射,，具有超強的自學(xué)習(xí)和自適應(yīng)能力,，具有很強的魯棒性和容錯性，因此用神經(jīng)元網(wǎng)絡(luò)設(shè)計的控制系統(tǒng)具有良好的自適應(yīng)性和控制性能[3,，4],。為了克服反應(yīng)釜溫度的時間滯后問題，本文結(jié)合BP神經(jīng)網(wǎng)絡(luò)控制策略,，采用基于BP神經(jīng)網(wǎng)絡(luò)的PID控制方法對其進行控制,，反應(yīng)釜溫度能自動跟隨給定的溫度曲線，滿足工藝要求,。
1 反應(yīng)釜溫度控制系統(tǒng)
    反應(yīng)釜按反應(yīng)的特性可以分為吸熱反應(yīng)和放熱反應(yīng),。一般來說，聚合反應(yīng)屬于放熱反應(yīng),，而裂變反應(yīng)屬于吸熱反應(yīng),。反應(yīng)釜的操作流程一般包括如圖1所示的四個階段[5]。
    圖1中恒溫段是反映工藝的關(guān)鍵階段,，對于產(chǎn)品質(zhì)量和產(chǎn)量有著重要的影響，所以提高恒溫段的控制精度是提高產(chǎn)品質(zhì)量的關(guān)鍵,。

    實際反應(yīng)過程中常伴有強烈的放熱效應(yīng),，使反應(yīng)溫度有所變化。針對反應(yīng)釜溫度控制的特點,，本文采用基于BP神經(jīng)網(wǎng)絡(luò)的PID控制方法,。通過神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)功能，增強系統(tǒng)的魯棒性和自適應(yīng)能力,，使系統(tǒng)具有良好的調(diào)節(jié)品質(zhì),，在對象參數(shù)變化的情況下仍具有很強的魯棒性和抗干擾能力。
2 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制算法
    本文采用的是三層BP網(wǎng)絡(luò),，其結(jié)構(gòu)如圖2所示[6],，輸入層神經(jīng)元的個數(shù)取4，分別對應(yīng)于輸入r,、輸出y,、誤差e和單位1，隱含層神經(jīng)元為5個,，輸出層神經(jīng)元分別對應(yīng)PID控制器的3個可調(diào)參數(shù)kp,、ki、kd,。系統(tǒng)運行過程中,，神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的狀態(tài)，通過加權(quán)系數(shù)調(diào)整,，使神經(jīng)網(wǎng)絡(luò)的輸出對應(yīng)于某種最優(yōu)控制律下的PID控制器參數(shù)[7],。

  
    按照梯度下降法修正網(wǎng)絡(luò)的權(quán)系數(shù),，并附加一個使搜索快速收斂全局極小的慣性項，修正公式為：

3 仿真研究
    本文設(shè)計的基于BP神經(jīng)網(wǎng)絡(luò)的PID控制結(jié)構(gòu)如圖3所示,。

    針對反應(yīng)釜的特性,，為了使結(jié)果具有代表性，取被控對象時變參數(shù)的非線性被控對象的數(shù)學(xué)模型為：
  

    在第100個采樣時刻,，控制器加外部干擾0.20時,，仿真結(jié)果分別如圖6、圖7所示,。

    從以上圖中可以看出,，與傳統(tǒng)PID算法相比，基于BP神經(jīng)網(wǎng)絡(luò)的PID控制算法的超調(diào)量幾乎為0,，穩(wěn)定速度快,，而且能夠隨著系統(tǒng)參數(shù)的變化自動調(diào)整PID控制參數(shù)。當(dāng)在第100個采樣時刻時控制器加外部干擾0.20時,，基于BP神經(jīng)網(wǎng)絡(luò)的PID控制算法中的PID參數(shù)隨之進行了調(diào)整,，從而在系統(tǒng)受到外部干擾時影響很小，很快再次達到穩(wěn)定,。
    由于反應(yīng)釜過程的時變,、非線性等特點，本文結(jié)合神經(jīng)網(wǎng)絡(luò)超強的自學(xué)習(xí)和非線性逼近能力,，提出了基于BP神經(jīng)網(wǎng)絡(luò)的PID控制算法,。此算法可保證系統(tǒng)輸出響應(yīng)快、超調(diào)量小,、調(diào)整時間短,、控制精度高，而且具有較強的適應(yīng)內(nèi)部參數(shù)變化和抗外部干擾的能力,。通過對反應(yīng)釜溫度仿真實驗控制,，驗證了這種控制方法的有效性，并通過對比可知其性能明顯優(yōu)于常規(guī)的PID算法,。本文提出的基于BP神經(jīng)網(wǎng)絡(luò)的PID控制算法具有廣闊的應(yīng)用前景,，同時也為進一步研究復(fù)雜系統(tǒng)的預(yù)估﹑預(yù)控等其他算法奠定了基礎(chǔ)。
參考文獻
[1] 許曉鳴,，楊煜普,，厲雋懌.基于神經(jīng)網(wǎng)絡(luò)的智能控制第三講.神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的控制結(jié)構(gòu)[J].化工自動化及儀表，1995,，22(5)：53-56.
[2] 戴曉瓏,，孫一康.神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的研究概況[J].冶金自動化，1994，18(2)：3-7.
[3] 李少遠,，王群仙,，劉浩，等.神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用[J]. 天津紡織工學(xué)院學(xué)報,，1997,，16(4)：85-89.
[4] 朱仲邃.分段積分的PID算法在溫度控制系統(tǒng)中的應(yīng)用[J].儀器儀表用戶，2005,，12(1)：31-32.
[5] 于飛,，劉喜梅，劉川來.神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)[J].青島化工學(xué)院學(xué)報,，1996,，17(2)：185-189.