| 标题 | 基于BP神经网络优化的PID控制器研究 |
| 范文 | 付子义++孙杰 摘 要：在现代网络控制系统中，数据通信时数据包的丢失，严重影响网络控制系统的稳定性。针对数据包丢失问题，采用一个满足2-state Gilbert的随机分布变量来描述数据在传输过程中的丢包，进而建立一个随机的、非线性输入模型，设计一种BP神经网络PID控制器，将BP神经网络算法和PID控制器有效结合，实现由BP神经网络整定的最佳PID控制。仿真验证表明，当网络控制系统的数据丢包率在一定范围时，与传统的PID控制器性能进行对比，BP神经网络PID控制器可以使系统具有更好的控制效果、较好的环境适应力和鲁棒性。 关键词：BP神经网络；PID；数据包丢失；网络控制系统 DOIDOI：10.11907/rjdk.151965 中图分类号：TP393 文献标识码：A 文章编号文章编号：1672-7800（2015）012-0157-04 0 引言 随着科技的发展，网络控制系统NCS（Networked Control System）被广泛应用于现代工业过程控制。网络控制系统由控制器、传感器和执行器等器件组成，通过通信网络形成一种全分布、网络化实时闭环反馈控制系统。在网络控制系统中，由于网络通信线路在数据传输过程中存在数据包丢失、传输时间延迟、噪声干扰等问题，控制系统因不能及时、准确接收到数据，致使系统的实时性降低，控制性能欠佳，严重时导致系统瘫痪。因此，针对网络控制系统中数据包丢失的故障进行研究和改善，具有十分重要的意义和价值[1-4]。 关于网络控制系统中数据包丢失问题，很多专家学者进行了深入的研究。文献[5-6]将网络控制系统中的数据丢包和传输时延这两个问题同时考虑，统一分析建模，解决网络控制系统中的传输时延和数据丢包问题。由于网络控制系统在数据传输时存在数据包丢失问题，严重影响系统的稳定性。通过建模构建一个随机Markov链，并利用Lyapunov稳定性和Markov跳变系统理论，分析闭环系统的稳定性设计控制器，进而解决由于数据丢包带来的系统不稳定性问题[7-8]。文献[9]针对网络控制中的数据丢包对系统稳定性的影响，采用BP神经网络对系统数据丢包进行预测，并对数据丢包进行补偿；文献[10]针对网络控制系统中采样周期数据丢包率对系统稳定性的影响，通过采用模糊PID控制理论对其进行了全面的分析。 本文针对数据在传输过程中的随机性、离散性、数据包丢失的不确定性，设计了一种BP神经网络PID控制算法，并用MATLAB仿真平台验证了该控制器对数据丢包的控制效果。 1 数据丢包描述 数据在传输过程中是一个随机离散系统，表示为： y（k）=x（k）（1） y（k）=f[x（k-1），u（k-1）]（2） 其中y（k）、x（k）分别表示在k时刻系统的输出数据和输入数据，f（·）是一个随机离散非线性函数，k=0，1，2…N[14]。 实际工作中，系统数据丢包的输出状态量为： y（k）out=y（k）b（k）（3） 其中y（k）out表示系统存在数据丢包时的输出状态量，y（k）表示系统在没有数据丢包时的输出状态量，b（k）∈R且服从Bernoulli分布，值为0、1，满足关系： prob{b（k）=0}=βprob{b（k）=1}=1-β（4） 其中，β表示数据在传输过程中的丢失率，表示数据在输出过程中的完整率。通过添加Bernoulli随机数列，使系统的数据采集具有随机性，以提高系统的适应性。 本文采用的被控对象近似数学模型如下： y（k）=a（k）sin（y（k-1））+1.2u（k-1）（5） 其中系数a（k）是慢时变的。 本文控制器设计目标：在数据传输过程中，对数据包的丢失在一定程度上起到控制作用，使系统有稳定的输出y（k）out。 2 PID控制器设计 2.1 结构设计 PID控制器算法简单、容易实现、鲁棒性好、可靠性高[15]，而BP神经网络在大规模并行、分布式存储和处理、自组织、自适应以及自学习方面有明显优势。本文将BP神经网络和PID控制器相结合，设计了基于BP 神经网络的PID控制器，结构如图1所示，控制器由两部分构成： （1）经典的PID控制。直接对被控对象进行闭环控制，并且3个参数kp，ki，kd为在线调整方式。PID控制器的输入变量： 通过图形（图3、图4、图5、图6）对比，可以看出BP神经网络PID控制器通过神经网络的自学习、加权系数调整、PID参数的自适应调整，对数据包的丢失具有较好的控制效果。 通过图形（图5、图6、图7、图8）对比，可以看出当系统的数据丢包率超过一定程度时，系统开始不稳定，BP神经网络PID控制器已经不能满足系统的控制需求。 由以上的MATLAB仿真结果的对比可以验证：当在网络控制系统中存在数据丢包时，BP神经网络PID控制器可以在一定程度上对数据丢包进行控制，使系统输出稳定、控制精度提高、鲁棒性增强。 4 结语 针对Bernoulli分布的数据丢包问题，设计了具有数 据丢包的BP神经网络PID控制器，既具有BP神经网络对任意非线性函数逼近的能力，又具有PID控制器算法简单、鲁棒性好、可靠性高等优点。系统通过对PID参数进行在线自整定和优化，使系统在数据丢包的情况下仍具有较好的控制效果。仿真验证表明：当系统的数据丢包率在一定的范围内时，基于数据丢包的BP神经网络PID控制器具有很高的控制精度、较强的环境自适应能力和鲁棒性。 参考文献参考文献： [1] 黎善斌.网络控制系统的研究现状与展望[J].信息与控制，2003，32（3）：239-244. [2] RAJI R S.Smart networks for control[J].IEEE Spectrum，1994，31（6）：49-55. [3] 韩力群.人工神经网络教程[M].北京：北京邮电大学出版社，2006. [4] 廉洁，陈雨.直接甲醇燃料电池的模糊 PID 控制研究[J].河南理工大学学报：自然科学版，2012，31 （5）：584-588. [5] 王天宝，吴成东，张云洲，等.具有丢包和非均匀分布时延的网络控制器设计[J].东北大学学报：自然科学版， 2012，34（2）：157-161. [6] 付子义，张艺.具有数据丢包的神经网络PID控制器[J].计算机仿真， 2014 （5）：419-422， 431. [7] 陈孟伟，陈孟伟，金朝永，等.基于随机丢包的网络控制系统控制器设计[J].广东工业大学学报，2012 （2）：85-88. [8] 张鹤，崔宝同.具有随机数据包丢失的网络控制系统[J].江南大学学报：自然科学版，2012，11（1）：43-46. [9] 刘鑫.神经网络在网络丢包预测中的应用[J].渤海大学学报：自然科学版，2012，33（3）：248-254. [10] 冯冬青.模糊PID在网络控制系统中的仿真研究[J].自动化仪表，2013，34（1）：61-68. [11] YAN SONG， JINGCHENG WANG， YUANHAO SHI.Packet-loss-dependent stabilization of NCSs with network-induced delay and packet dropout[J].Journal of Systems Engineering and Electronics，2012，23（3）：408-413. [12] 陈海霞，孙书利.具有有限连续丢包网络控制系统的最优线性估值器[J].控制理论与应用， 2012，29（10）：1317-1324. [13] 王新，徐娟.基于小波包神经网络的级联式变频器故障诊断仿真研究[J].河南理工大学学报： 自然科学版，2012， 31 （6）：706-711. [14] 邬春学.NCS中数据传输丢包与控制方法[J].微计算机信息，2005，10（21）：39-41. [15] 游科友，谢立华.网络控制系统的最新研究综述[J].自动化学报，2013， 39（2）：101-118. （责任编辑：杜能钢） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。