摘 要： 常規(guī)PID的控制,，不但其參數難以整定,，而且還依賴于對象的精確數學模型，適應性較差,，對復雜過程不能保證其控制精度,。根據反應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神經網絡的PID控制方法。并介紹了神經網絡PID控制器的算法,，對經典PID參數選取進行了分析,。仿真結果表明，與傳統(tǒng)PID算法相比,，該控制方法可實現有效的控制,，具有實現簡單、控制效果好的特點,。
關鍵詞： 常規(guī)PID,；BP神經網絡；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,，神經網絡控制以其獨特的優(yōu)點受到控制界的關注,。神經網絡的優(yōu)勢在于能夠逼近任意復雜的非線性映射，具有超強的自學習和自適應能力,，具有很強的魯棒性和容錯性,，因此用神經元網絡設計的控制系統(tǒng)具有良好的自適應性和控制性能[3，4],。為了克服反應釜溫度的時間滯后問題,，本文結合BP神經網絡控制策略，采用基于BP神經網絡的PID控制方法對其進行控制,，反應釜溫度能自動跟隨給定的溫度曲線,，滿足工藝要求。
1 反應釜溫度控制系統(tǒng)
反應釜按反應的特性可以分為吸熱反應和放熱反應,。一般來說,，聚合反應屬于放熱反應,，而裂變反應屬于吸熱反應,。反應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鍵階段,，對于產品質量和產量有著重要的影響,，所以提高恒溫段的控制精度是提高產品質量的關鍵。
實際反應過程中常伴有強烈的放熱效應,，使反應溫度有所變化,。針對反應釜溫度控制的特點，本文采用基于BP神經網絡的PID控制方法,。通過神經網絡的在線學習功能,，增強系統(tǒng)的魯棒性和自適應能力，使系統(tǒng)具有良好的調節(jié)品質,，在對象參數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神經網絡的PID控制算法
本文采用的是三層BP網絡，其結構如圖2所示[6],，輸入層神經元的個數取4,，分別對應于輸入r、輸出y,、誤差e和單位1,，隱含層神經元為5個，輸出層神經元分別對應PID控制器的3個可調參數kp,、ki,、kd。系統(tǒng)運行過程中,，神經網絡根據系統(tǒng)的狀態(tài),，通過加權系數調整,，使神經網絡的輸出對應于某種最優(yōu)控制律下的PID控制器參數[7]。
按照梯度下降法修正網絡的權系數,，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
本文設計的基于BP神經網絡的PID控制結構如圖3所示。
針對反應釜的特性,，為了使結果具有代表性,，取被控對象時變參數的非線性被控對象的數學模型為：
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神經網絡的PID控制算法的超調量幾乎為0，穩(wěn)定速度快,，而且能夠隨著系統(tǒng)參數的變化自動調整PID控制參數,。當在第100個采樣時刻時控制器加外部干擾0.20時，基于BP神經網絡的PID控制算法中的PID參數隨之進行了調整,，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。
由于反應釜過程的時變,、非線性等特點,，本文結合神經網絡超強的自學習和非線性逼近能力，提出了基于BP神經網絡的PID控制算法,。此算法可保證系統(tǒng)輸出響應快,、超調量小、調整時間短,、控制精度高,，而且具有較強的適應內部參數變化和抗外部干擾的能力。通過對反應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神經網絡的PID控制算法具有廣闊的應用前景,，同時也為進一步研究復雜系統(tǒng)的預估﹑預控等其他算法奠定了基礎,。
參考文獻
[1] 許曉鳴，楊煜普,，厲雋懌.基于神經網絡的智能控制第三講.神經網絡控制系統(tǒng)的控制結構[J].化工自動化及儀表,，1995，22(5)：53-56.
[2] 戴曉瓏，孫一康.神經網絡控制系統(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.神經網絡在控制中的應用[J]. 天津紡織工學院學報，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)中的應用[J].儀器儀表用戶,，2005，12(1)：31-32.
[5] 于飛,，劉喜梅,，劉川來.神經網絡自適應控制系統(tǒng)[J].青島化工學院學報，1996,，17(2)：185-189.