基于神经网络与PID混合控制系统的分析与设计开题报告

全文总字数：3295字

1. 研究目的与意义

1.研究目的pid控制器（比例、积分和微分进行控制的调节器）以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛应用。

在系统模型参数变化不大的情况下，pid控制性能优良。

但随着现代工业的发展，工业生产过程往往具有非线性、不确定性，难以建立精确的数学模型，应用常规的pid控制器难以达到理想的控制效果。

2. 国内外研究现状分析

传统的pid参数优化方法主要是一些手动整定方法，但运用该方法得到的控制器参数比较粗糙，控制效果只能满足一定要求，参数的优化效果远远不够，同时，对于一些系统，由于控制对象的复杂性、变化性，难以运用传统方法进行整定。

而神经网络研究的兴起，为pid控制器参数的整定提供了新的方法和广阔的应用空间。

对基于神经网络的混合控制系统的研究，在过去的十几年中取得了广泛的关注，主要是因为：第一，神经网络表现出对非线性函数的较强逼近能力；第二，大多数控制系统均表现出某种未知非线性特性。

3. 研究的基本内容与计划

一.研究内容1.学习并理解PID定义原理2.学习PID控制方法以及PID控制参数的自整定3.学习几种常规的PID控制算法理论并分别总结其优缺点4.分别加入积分环节和微分环节对常规PID控制进行改进5.总结常规PID控制的优点和局限性6.研究神经网络7.学习神经网络构成的基本原理和特点8.学习神经网络基本类型9.学习并分析BP神经网络原理优点和局限性10.学习BP网络结构和算法11.研究并选取数学模型12.学习MATLAB软件与仿真工具箱Simulink进行仿真13.对未使用BP网络的PID系统进行仿真，得到图形及参数变化14.对调整后的系统进行仿真，得到混合控制后仿真图形及参数变化15.比较两参数变化总结基于BP神经网络的PID混合控制算法的优点二．计划1.2017年12月27日2018年2月25日 学习PID控制原理2.2018年2月26日3月20日学习BP神经网络算法3.2018年3月21日4月16日深入研究所选课题，利用Sumlink进行系统仿真比较，并进行记录，形成论文提纲4. 2018年4月17日5月1日对不同算法进行比较分析，找到最优算法，进一步分析数据，形成论文初稿5.2018年5月2日6月1日论文修改，定稿，打印，答辩

4. 研究创新点

过往的PID控制器研究许多都是针对其中某一方面的缺点进行改进的，导致优化效果有限，实际应用意义不大。

而本毕业设计是一种基于神经网络与PID控制的混合控制器，结合经典的PID控制算法优点和神经网络算法优点，将神经网络的技术应用于参数辨识过程，克服了传统的PID控制与BP神经网络缺点，形成一种基于BP神经网络的自适应PID混合控制算法，旨在找到一种更全面的神经网络与PID混合控制方法，并能在PID混合控制器参数寻优的实际应用中证明其可行性。