基于神经网络PID算法人工温室温度控制系统.docx
- 文档编号:14328741
- 上传时间:2023-06-22
- 格式:DOCX
- 页数:33
- 大小:468KB
基于神经网络PID算法人工温室温度控制系统.docx
《基于神经网络PID算法人工温室温度控制系统.docx》由会员分享,可在线阅读,更多相关《基于神经网络PID算法人工温室温度控制系统.docx(33页珍藏版)》请在冰点文库上搜索。
基于神经网络PID算法人工温室温度控制系统
摘要
神经网络控制和PID算法是目前已经应用非常广泛的技术,基于神经网络的PID算法是现在非常受欢迎的算法。
温度是温室中非常重要的一个环境因子,植物要想生长得好,长得快,温室的温度必须合适。
温室中温度(即被控对象复杂、时变,而实际中对被控对象的控制要求越来越严格,且传统的温室温度系统不具有智能的功能,所以,研究基于神经网络的PID算法去设计人工温室温度控制系统,来提高控制精度,使其具有智能功能,具有重要的意义。
本设计运用基于神经网络的PID算法来控制温室温度,使温室的温度始终在25摄氏度左右。
本设计中采用了单神经元自适应PID控制器。
其优点为:
神经网络具有一定的学习能力、自适应性、非线性映射能力和容错能力,自适应控制系统具有适应能力,它能够认识系统的环境条件的变化,并自动校正控制动作,从而使系统达到最优的控制效果。
单神经元的学习规则有三种,在本设计中,我们使用了有监督的Hebb学习规则。
并把传统的PID控制与单神经元自适应PID控制进行比较。
最后MATLAB仿真结果表明,该控制系统的控制效果优于传统的PID,具有超调小、控制精度高、抗干扰能力强等等优点。
关键词:
神经网络控制PID算法有监督的Hebb学习规则MATLAB仿真
Title
___
ABSTRACT
TheneuralnetworkcontrolandPIDalgorithmisnowveryextensivetechnology,base-donneuralnetworkofPIDalgorithmisnowverypopularalgorithm.Thetemperatureisthegreenhouseoneofimportantenvironmentalfactors.Ifpeoplewanttheplantstogrowwellandgrowfast,thegreenhousetemperaturemustbeappropriate.Thetemperatureofthegreenhouse(namelythecontrolledobjectiscomplexandtime-varying.Butthecontrolledobjectisrequiredmoreandmorestrictlyinpractice.Andthereisnotanintelligentfunctioninthetraditionalgreenhouse-temperaturesystem.SoresearchbasedonneuralnetworkofPIDalgorithmtodesignartificialgreenhousetemperaturecontrolsystemhasimportantsignificanceinordertoimprovethecontrolprecision,hasintelligentfunction.
ThisdesignisbasedonneuralnetworkusingPIDalgorithmtocontrolgreenhousetemperature.Makethetemperatureofgreenhousealwaysinaround25degreesCelsius.ThisappliedtothedesignofthesingleneuronadaptivePIDcontroller.Theadvantagesofitisthattheneuralnetworkhassomelearningability,adaptability,nonlinearmappingcapabilityandfaulttolerance,andadaptivecontrolsystemhastheabilitytoadjustthesystem,itcanknowthesystemenvironmentchanges,andautomaticcorrectioncontrolaction,thusmakethesystemtoachieveoptimalcontroleffect.Singleneuronlearningrulehasthree.Inthisdesign,WeusestheHebblearningrulewithsupervision.AndthetraditionalPIDcontrolandsingleneurononlyadapttothePIDcontrolarecompared.FinallyMATLABsimulationresultsshowthatcontroleffectofthiscontrolsystemisbetterthanthatoftraditionalPID,havingovershootsmall,highcontrolaccuracyandstronganti-interferenceabilityandsoon.
Keywords:
NeuralnetworkcontrolPIDalgorithmTheHebblearningrulewithsupervisionMATLABsimulation
摘要......................................................................................................................IABSTRACT..........................................................................................................II1绪论..............................................................................................................11.1本论文的背景和意义............................................................................1
1.2本论文的主要研究方法及内容............................................................2
2神经网络控制以及PID算法简介..............................................................32.1神经网络控制......................................................................................32.2常规PID算法.....................................................................................6
2.3神经PID控制...................................................................................10
3基于神经网络PID算法的温室温度控制系统设计................................163.1温室温度控制系统模型的建立........................................................163.2单神经元自适应PID控制系统设计实现.......................................173.3仿真....................................................................................................21结论......................................................................................................................26致谢......................................................................................................................27参考文献..............................................................................................................28附录APID程序..............................................................................................29附录B基于神经网络的PID程序.................................................................31
1绪论
1.1本论文的背景和意义
随着社会的发展,各种农作物温室和园艺温室的数量在不断的增加,温室也成为设施农业中一个最主要、最关键的生产设施之一。
在温室中运用各种手段和方法来改善不适合作物生长的环境条件并且创造适宜作物生长发育的环境条件的过程,就是温室环境调控。
随着科技的进步,以及测温仪在各个领域的广泛运用,智能化已经成为现代温室温室系统发展的主流方向。
特别是近些年来,温度控制系统已经运用到了人们生活的方方面面,现在的人们已经离不开温度控制系统。
然而,温室温度控制系统却一直是一个未开发的领域,但却又是与人们的生活息息相关,紧密相连的一个实际问题。
针对眼前这种实际情况,设计一个温室温度控制系统,具有广泛的应用前景和非常大的实际意义。
影响作物生长的因子主要有五个因素,即温度、湿度、光照、二氧化碳浓度和营养液。
温室生产的一个重要优势就是可以控制所有的环境因素,从而使植物处于最佳生长状态,其中温度是非常关键的一个因子,是一个主要因子。
众所周知,不同种类的植物有不同的最佳生长温度,况且不同植物以及相同的植物在不同生长阶段对温度的需求也不相同。
人们总是希望植物生长、发育得快一些,好一些,以获得更多的利润,所以就需要在植物的整个生长期提供最合适的温度。
由上所述,我们得知,温室的温度控制系统在整个温室系统中的作用非常大。
目前,随着温室的迅速增多,人们对其性能要求也越来越高,特别是为了提高生产效率,对温室的智能化要求越来越高。
由于模糊控制,神经控制和智能控制理论的不断发展和完善,使这种要求变为可能。
本设计的内容是温室温度测试控制系统,控制对象是温度。
温度控制在日常生活及工业领域应用相当广泛,比如温室、水池、发酵缸、电源等场所的温度控制。
而以往温度控制是由单片机或者PLC以及传感器等完成的,而不是用神经网络控制和PID算法,因此也就不智能。
针对此问题,本系统设计的目的是实现一种智能化,可连续高精度调温的温度控制系统,它应用广泛,功能强大,是一款既实用又廉价的控制系统。
1.2本论文的主要研究方法及内容
论文的研究方法多种多样,本论文中用到多种研究方法,其中主要的研究方法有:
文献研究法,描述性研究法,定性分析法,定量分析法,思维方法和系统科学方法等等。
在做此论文的时候我查阅了很多关于神经网络控制,PID算法和温室温度控制系统的文献和资料,也对这些文献和资料进行了分析和思考。
同时在仿真的时候,不断进行定性和定量分析。
我将已有的现象、规律和理论通过自己的理解和验证,给予叙述并解释出来,不可避免的要用到描述性研究法。
当然,任何科学的研究都离不开系统科学方法。
本论文的内容大致如下所示:
第一章是绪论;第二章是神经网络控制、PID算法简介以及单神经元只适应PID算法的知识介绍;第三章是温室温度控制系统模型的建立以及单神经元自适应PID算法温室温度系统的设计及实现并进行MATLAB仿真;再接下来是结论,致谢,参考文献和附录。
2神经网络控制以及PID算法简介
2.1神经网络控制
人工神经网络[1][2](简称神经网络,NeuralNetwork是从人脑的生理学和心理学着手,通过人工模拟人脑的工作机理来实现机器的部分智能行为,是模拟人脑思维方式的数学模型。
神经网络控制是基于神经网络的控制或简称神经控制[3],是指在控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模,或充当控制器,或优化计算,或进行推理,或故障诊断等,以及同时兼有上述某些功能的适应组合,将这样的系统统称为基于神经网络的控制系统,称这种控制方式为神经网络控制。
它是将神经网络与控制理论相结合而发展起来的智能控制方法,是发展中的学科。
它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。
它已成为智能控制的一个新的分支,为解决复杂的非线性、不确定、未知系统的控制问题开辟了新途径。
众所周知,控制系统的目的在于通过确定的适当的控制量输入,使得系统获得期望的输出特性。
图2-1(1给出了一般反馈控制系统的原理图,其中(2采用神经网络替代(1中的控制器,为了完成同样的控制任务,我们来分析一下神经网络是如何工作的[1][14]。
(1
(2
图2-1反馈控制与神经网络控制
设被控制对象的输入u和系统的输出y之间满足如下非线性函数关系(ugy=(2-1控制的目的是确定最佳的控制量输入u,使系统的实际输出y等于期望的输出x。
在该系统中,可把神经网络的功能看做输入输出的某种映射,或称为函数变换,并设它的函数为
(xfu=(2-2为了满足系统输出y等于期望的输出x,将(2-1式代入(2-2式,可得]([xfgy=(2-3显然,当((1⋅=⋅-gf时,满足xy=的要求。
由于要采用神经网络控制的被控对象一般是复杂的且多具有不确定性,因此非线性函数(⋅g是难以建立的,可以利用神经网络具有逼近非线性函数的能力来模拟(1⋅-g,尽管(⋅g的形式未知,但通过系统的实际输出y与期望输出x之间的误差来调整神经网络中的链接权重,即让神经网络学习,直至误差
0→-=yxe(2-4的过程,就是神经网络模拟(1⋅-g的过程,它实际上是对被控对象的一种求逆过
程,有神经网络的学习算法实现这一求逆过程,就是神经网络实现直接控制的基本思想。
1能逼近任意的非线性函数。
2信息的并行分布式处理与存储。
3可以多输入、多输出。
4便于用超大规模集成电路(VISI或光学集成电路系统实现,或用现有的计算机技术实现。
5能进行学习,以适应环境的变化。
1在基于精确模型的各种控制结构中充当对象的模型。
2在反馈控制系统中直接充当控制器的作用。
3在传统控制系统中起优化计算的作用。
(1基于神经网络的系统辨识[15]
①将神经网络作为被辨识系统的模型,可在已知常规模型结构的情况下,估计模型的参数。
②利用神经网络的线性、非线性特性,可建立线性、非线性系统的静态、动态、逆动态及预测模型,实现非线性系统的建模和辨识。
(2神经网络控制器
神经网络作为实时控制系统的控制器,对不确定、不确知系统及扰动进行有效的控制,使控制系统达到所要求的动态、静态特性。
(3神经网络与其他算法相结合
将神经网络与专家系统、模糊逻辑、遗传算法等相结合,可设计新型智能控制系统。
(4优化计算
在常规的控制系统中,常遇到求解约束优化问题,神经网络为这类问题的解
决提供了有效的途径。
目前,神经网络控制已经在多种控制结构中得到应用,如PID控制、模型参考自适应控制、前馈反馈控制、内模控制、预测控制、模糊控制等。
2.2常规PID算法
PID[8]是比例、积分、微分的缩写,将偏差的比例(P、积分(I和微分(D通过线性组合构成控制量,用这一控制量对被控对象进行控制,这样的控制器称PID控制器(也称PID调节器。
如图2-2。
图2-2常规PID算法控制原理
1技术成熟。
2易被人们熟悉和掌握。
3不需要建立数学模型。
4控制效果好。
模拟PID的控制系统的原理[13]如图2-2所示,该系统有模拟PID控制器和
被控对象组成,图中(tr是给定值,(ty是系统的实际输出值,给定值与实际的输出值构成了系统的控制偏差值(te,有(((tytrte-=。
(te作为PID控制器的输入,
(tu作为PID控制器的输出和被控对象的输入。
所以模拟PID的控制器的控制规律为:
00
]
((1([(udt
tdeTdtteTteKtuD
t
I
p+++=⎰
(2-5式中:
(tu:
PID调节器的输出信号;
(te:
调节器的偏差信号,它等于给定值与测量值之差;PK:
比例系数;
IT:
积分时间常数;DT:
微分时间常数;0u:
控制常量;
Ip
K:
积分系数;
DpTK∙:
微分系数。
其中误差、误差的积分、误差的微分分别代表了系统输出的当前、过去和未来三个状态。
PID各个校正环节的作用如下所示:
比例环节的作用是对偏差瞬间做出快速反应。
偏差一旦产生,控制器立即产生控制作用,使控制量向减少偏差的方向变化。
控制作用的强弱取决于比例系数
PK。
比例系数加大,使系统的动作灵敏,速度加快,控制加强,稳态误差减小。
但pK偏大,振荡次数加多,调节时间加长。
同时过大的PK会导致系统震荡,破坏系统的稳定性。
pK太小,又会使系统的动作缓慢。
pK可以选负数,这主要是由执行机构、传感器以控制对象的特性决定的。
积分环节的作用是把偏差的积累作为输出。
在控制过程中,只要有偏差存
在,积分环节的输出就会不断增大。
直到偏差0(te,输出的(tu才可能维持在某一常量,使系统在给定值(tr不变的条件下趋于稳态。
积分环节的调节作用虽然会消除静态误差,但也会降低系统的响应速度,使系统的稳定性下降,增加系统的超调量。
积分常数IT越大,积分的积累作用越弱。
增大积分常数IT(积分作用弱会减慢静态误差的消除过程,但可以减少超调量,提高系统的稳定性。
减小积分常数IT(积分作用强会使系统不稳定,但能消除稳态误差,提高系统的控制精度。
所以,必须根据实际控制的具体要求来确定IT。
微分环节的作用是阻止偏差的变化,可以改善动态特性。
它是根据偏差的变化趋势(变化速度进行控制。
偏差变化得越快,微分控制器的输出越大,并能在偏差值变大之前进行修正。
微分作用的引入,将有助于减小超调量,克服震荡,使系统趋于稳定。
但微分的作用对输入信号的噪声很敏感,对那些噪声大的系统一般不用微分,或在微分起作用之前先对输入信号进行滤波。
dT偏大时,超调量较大,调节时间较短。
dT偏小时,超调量也较大,调节时间较长。
只有适当地选择微分常数DT,才能使超调量较小,减短调节时间,使微分的作用达到最优。
由于计算机的出现并且因为它进入了控制领域,人们便将模拟PID控制规律引入到计算机中来。
由于计算机控制的是一种采样控制,它只能根据采样许可的偏差计算控制量,而不能像模拟控制那样连续输出控制量,进行连续控制。
因为这一特点,公式(2-5中的积分和微分项就不能直接使用,必须进行离散化处理[6][7]。
将公式(2-5中的连续时间t用一系列采样时刻点KT代替,同时以一阶后向差分近似代替微分,以矩形法数值积分代替近似代替积分。
经离散化处理后,控制点目前包含两种比较简单的PID控制算法,分别是:
位置式算法,增量式算法。
这两种PID算法虽然简单,但各有特点,基本上能满足一般控制的大多数要求。
(1位置式算法
00
1]([ueeT
TeTT
eKuk
jkkD
jI
kpk+-+
+
=∑=-010
(ueeKeKeKkkdk
jjikp+-++=-=∑(2-6
式中:
k:
采样信号,,2,1,0=k;
ku:
第k次采样时刻计算机的输出值;ke:
第k次采样时刻输入的偏差值;PK:
比例系数;
I
piTT
KK∙
=:
积分系数;T
TKKD
pd∙
=:
微分系数;IT:
积分时间常数;DT:
微分时间常数;
T:
采样周期;
0u:
开始进行PID控制时的初始值。
(2增量式算法
2((]2([(2112111
-------+-+-+=+-++
-=-=∆kkkdkkpkikkkDkIkkPkkkeeeKeeKeKeeeT
TeTT
eeKuuu(2-7参数同上
PID参数选定规则如下所示[8]:
整定参数寻最佳,从小到大逐步查;先调比例后积分,微分作用最后加;曲线震荡很频繁,比例刻度要放大;
曲线漂浮波动大,比例刻度要拉小;
曲线偏离回复慢,积分时间往小降;
曲线波动周期长,积分时间要加长;
曲线振荡频率快,先把微分降下来;
动差大来波动慢,微分时间应加长;
理想曲线两个波,前高后低4比1;
一看二调多分析,调节质量不会低。
2.3神经PID控制
常规PID控制的局限性在于控制对象具有复杂的非线性特性,难以建立精确的数学模型,且由于对象和环境的不确定性,往往难以达到满意的控制效果。
神经PID控制就是针对上述问题而提出的一种控制策略。
神经PID控制结构图2-3,有两个神经网络[2]:
NNI——系统在线辨识器;NNC——自适应PID控制器
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 神经网络 PID 算法 人工 温室 温度 控制系统
![提示](https://static.bingdoc.com/images/bang_tan.gif)