基于BP神经网络PID控制的直流电动机调速系统设计(可编辑).docVIP

基于BP神经网络PID控制的直流电动机调速系统设计 摘要：本文主要研究BP神经网络在PID控制中的应用，阐述了BP神经网络在PID控制中的发展、现状、基本原理及具体工业情况会正确整定缺陷新型，系统各方面Abstract This paper studies the application of BP neural network PID control, describes the BP neural network PID control in the development of the status quo, the basic principles and specific industrial applications. The case because of the traditional PID controller in the controlled object nonlinear, time-varying uncertainty is difficult to establish precise mathematical model, there will not be a whole correct serious deficiencies lead to performance parameters given the lack of the traditional BP neural network PID control , it is possible to overcome the above drawbacks to some extent. This paper using traditional PID and BP neural network based on a new type of PID controllers for different operating conditions brushless DC motor simulation, simulation results show: New PID control BP neural network compared with conventional PID control based on a stronger robustness in the presence of external disturbances on the system can be effectively compensated for, the various aspects showed significant superiority. keyword: PID controller；Brushless DC Motor;BP Neural network 第一章 绪论 1.1 控制理论的发展以及面临的挑战 随着社会的发展，人们从解决重大工程和技术问题的实践中逐渐总结出了有关控制的相关理论。现实中的系统大多数是非线性的然而的典控制理论主要研究是线性时不变系统，分析线性系统的理论来分析非线性的系统人们对研究涉及到 鲁棒性具有柔性结构时间变量的系统的，在经历了经典控制理论、现代控制理论两个发展阶段后，智能控制是多学科交叉的学科，它的发展得益于人工智能、认知科学、模糊集理论和生物控制论等学科的发展同时具有以知识表示的非数学广义模型和以数学模型表示的混合过程，也往往是那些含有复杂性，不完全性，模糊性或不确定性以及不存在已知算法的非数学过程，并以知识进行推理，以启发引导求解过程 智能控制有各种各样的形式并可以应用于研究人员使之快速发展因为在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力，的当系统存在不确定性因素时 1.2 神经网络技术的发展与国内外研究关于神经网络研究工作追溯世纪。年神经网络研究的先驱和合作分析、研究了神经元基本特性提出神经元数学模型两人名字的首字母将其命名为模型模型直接影响网络领域研究的进展。 年，计算机之父在比较了存储与人脑结构差别，提出了以神经元构成现代计算机存储结构。 通过对大脑神经细胞学习和条件反射的观察研究，提出了神经网络领域赫赫学习规则，他认为，神经细胞的值 年，提出了著名的感知机模型，试图模拟人脑的感知和学习能力，引入带隐含层处理元件，并提出了三层感知机的概念，这项工作首次把人工神经网络的研究从理论探讨付诸工程实践 另外，在年代初期，和提出了连续取值的线性加权求和网络通力合作网络发展非线性多层自适应网络是现代人工神经模型的雏形。起步较晚，取得圆满成功，，形势下，领域的不断深入，土壤 1.3 基于神经网络控制研究的目的和意义 随着科技水平的不断提高，，我国 在实际的工程操作中，PID控制是应