智能PID控制器设计与仿真【毕业论文】.doc

本科毕业设计 （20 届） 智能PID控制器设计与仿真 所在学院 专业班级 电气工程及其自动化 学生姓名 学号 指导教师 职称 完成日期 年 月 摘　要 【摘要】本文主要通过对PID控制器的控制原理的研究，在通过对模糊自适应、神经网络以及粒子群算法的研究，实现模糊PID和神经网络PID控制器、粒子群算法等智能PID控制器的设计，并且利用Matlab仿真工具Simulink以及Matlab程序语言对各种PID控制进行仿真，对仿真结果进行比较分析。 【关键词】PID控制器；模糊PID控制；神经网络PID控制器；粒子群算法；Matlab程序语言仿真 Abstract 【ABSTRACT】In this paper, PID controller, through the principle of control, through the fuzzy adaptive, neural network and particle swarm algorithm, the fuzzy PID controller PID and neural network, particle swarm intelligent PID controller design, etc., Matlab, Simulink, and simulation tools, and programming language Matlab simulation of a variety of PID control, the simulation results were compared. 【KEYWORDS】:PID controller; fuzzy PID control; neural network PID controller; particle swarm optimization; Matlab simulation programming language 目　录 1 PID控制简介 1 1.1 选题的背景与意义 1 1.1.1 PID控制发展背景与意义 1 1.1.2 智能控制的应用 1 1.2 PID控制器 2 1.3 PID控制 2 1.3.1 PID控制原理 2 1.3.2 PID控制器各单元作用 2 1.3.3 PID控制器特点 3 2 模糊自适应PID 5 2.1 模糊自适应PID结构 5 2.2 模糊控制规则 5 2.2.1 控制原理 5 2.2.2 模糊规则 5 2.3 模糊控制规则的实现 6 2.3.1 隶属度 6 2.3.2 模糊推理 7 2.3 在Matlab中建立模糊判决器 8 2.4.1 用FIS Editor建立模糊判决器 8 2.4.2 用Matlab程序生成模糊判决器 10 2.4.3 模糊判决器的使用 11 2.5 Simulink简介 11 2.6 模糊PID控制器仿真与分析 11 3 神经网络PID 19 3.1 神经网络简介 19 3.2 神经网络的学习方式和学习规则 19 3.2.1 神经网络的学习方式 49 3.2.2 神经网络的学习规则 19 3.3 神经网络的特点及应用 20 3.4 BP神经网络的结构 21 3.5 BP神经网络算法 22 3.5.1 BP神经网络学习流程 22 3.5.2 BP神经网络的前向传播算法 22 3.5.3 BP神经网络的反向传播计算 23 3.6 基于BP神经网络的PID控制 25 3.6.1 基于BP神经网络的PID控制的典型结构 25 3.6.2 PID控制器的离散差分方程 25 3.7 基于BP神经网络的PID整定原理 26 3.8 基于BP网络的PID控制器控制的算法流程 30 3.9 仿真与分析 31 3.9.1 模型假设 31 3.9.2 仿真结果 32 3.9.3 仿真结果分析 39 4 粒子群算法优化PID 40 4.1 粒子群优化算法简介 40 4.2 算法原理 40 4.3 基本粒子群算法流程 41 4.3.1 算法流程 41 4.3.2 粒子群算法特点 42 4.4 仿真与分析 43 5 总结 4 参考文献 9 致谢 1 附录 5 1 PID控制简介 1.1 选题的背景与意义 1.1.1 PID控制发展背景与意义 PID (Proportional Integral Derivative)控制在控制工程当中属于是在技术方面较为成熟、应用非常广泛的一种控制策略。在长期的工程实践当中，PID控制已经形成了一套较为完整的控制方法