基于PLC的神经网络PID控制器设计

摘 要 PID控制是控制领域中最为重要的控制方式之一。随着对人工神经元网络研究的深入研究，研究者也开始将神经网络和PID控制结合，以期为改进和克服传统PID控制的性能提供了新的思路。PID神经元网络，是由舒怀林教授于1997年提出的，其融入了 PID规律和神经元网络的优点，在复杂系统的控制中表现出较好的性能。 本论文在引入了神经网络及PID神经元网络的相关概念之后，对PID神经元网络模型和算法进行了系统的介绍。针对常规PID控制的温室环境控制系统存在参数难以整定、超调量大、调节时间长、抗干扰能力差等问题，利用神经网络对系统性能的自学习优点找到能使系统性能达到最佳的PID控制参数，并将其直接送给常规PID控制器，得到了基于BP神经网络整定的PID控制器，从而有效的解决了常规PID存在的问题。 利用MATLAB软件对BP神经网络PID控制进行仿真，编写了仿真程序，对阶跃响应和给定突变两种情况进行了仿真分析。最后简单介绍了西门子S7-300 PLC ，并通过其开发环境编写了PID控制的梯形图。 关键词：PLC;BP神经网络;MATLAB；PID 本课题的研究背景 自80年代中后期以来，全世界特别是一些工业发达国家，掀起了一股竞相研究开发神经网络的热潮。在神经网络这个涉及多种学科的新的高科技领域中，吸引了众多的神经生理学家、心理学家、数理科学家、计算机与信息科学家，以及工程师和企业家等。大量的有关神经网络机理、模型、算法、特性分析，以及在各方面应用的学术论文，像雨后春笋般涌现在报刊杂志上和许多学术会议中。一时神经网络以及建立在神经网络原理基础上的神经计算机，成为当代高科技领域中方兴未艾的竞争热点。 目前工业自动化水平已经成为了各行各业现代化水平的一个重要标志，而自动化的核心理论是控制理论。因此如何得到一种更为优越的控制方法称为了工业过程控制一个重要的问题。PID控制器是一种经典的控制方法，其结构简单，抗干扰能力强，自适应能力强，成为了控制领域一个重要的控制手段。它是工业过程控制最常见的控制器，从标准的单回路控制到包含数千个PID控制器组成的离散控制系统，PID技术的应用领域非常之广泛。根据某项资料显示，目前全世界范围内有几乎超过90%的控制系统都在使用PID。随着工业过程控制的发展，PID技术非但没有过时，反而越来越多的应用于控制领域。????? 在控制系统中，PID控制是历史最悠久，生命力最强的控制方式，具有直观、实现简单和鲁棒性能好等一系列优点。但近年来随着计算机的广泛应用，智能控制被越来越广泛的应用到各种控制系统中。智能控制方法以神经元网络为代表，由于神经网络可实现以任意精度逼近任意函数，并具有自学习功能，因此适用于时变、非线性等特性未知的对象，容易弥补常规PID控制的不足。将常规PID控制同神经网络相结合是现代控制理论的一个发展趋势。 可编程序控制器（PLC）是一种数字控制专用电子系统，它使用了可编程序存储器储存指令，执行诸如逻辑、顺序、计时、计数与演算等功能,综合了计算机技术、控制技术、通讯技术等高新技术,而在近年来发展迅速、应用极广的一类工业装置. 将PID控制算法与PLC相结合,使常用的闭环控制系统变得非常方便灵活。 1.2本课题的现状及前景 目前，工业控制系统调节使用最为广泛的仍是典型的PID控制，但在实际的情况中，常规PID调节器固化的一组参数难以满足其调节品质的要求，因此，研究和改善现有的控制方式显得尤为重要，神经网络控制作为一种智能控制方式，主要克服了由于过程本身的不确定性、不精确性和噪声带来的困难．因而在处理模型参数的不确定性、复杂性和非线性方面具有突出的优势。因此，神经网络控制技术很适合应用于工业控制调节系统中。将神经网络控制技术与经典PID控制技术的结合已经成为当前热点，而将神经网络控制技术应用于PID控制器的设计却很少，相关的资料论文也很有限．在神经网络控制技术大力发展和应用日益广泛的今天做一些这方面的探讨是有益的。神经网络在控制系统中的应用提高了整个系统的信息系统处理能力和适应能力，提高了系统的智能水平。由于神经网络己具有逼近任意连续有界非线性函数的能力，对于长期困扰控制界的非线性系统和不确定性系统来说，神经网络无疑是一种解决问题的有效途径。采用神经网络方法设计的控制系统具有更快的速度(实时性)、更强的适应能力和更强的鲁棒性。 传统的控制系统设计是在系统数学模型己知的基础上进行的，因此，它设计的控制系统与数学模型的准确性有很大的关系。神经网络用于控制系统设计则不同，它可以不需要被控对象的数学模型，只需对神经网络进行在线或离线训练，然后利用训练结果进行控制系统的设计。神经网络用于控制系统设计有多种类型，多种方式，既有完全脱离传统设计的方法，也有与传统设计手段相结合的方式。正因为如此，近年来在控制理论的所有分支都能够看到神经网络的引入及应用，对于传统的PID控制当然也不例外，以各种方式应用于PID控制的新算法大量涌现，其中有一些取得了明显的效果。针对传统的PID算法由于难以给出精确的数学模型,使得系统参数设定困难，同时系统控制效果上存在一定的缺陷，造成系统安全性和可靠性降低，系统控制质量不高。为了解决传统的PID算法所带来的问题，提出了基于模糊神经网络的PID算法，将PID算法、模糊控制算法以及神经网络算法相结合，形成了一种智能控制算法.将算法应用在PLC控制系统中，实验表明算法有效的实现了PID参数的自整定,并且提高了控制质量，具有一定的实际应用推广价值，通过利用PLC中的PID控制指令，借助模拟量输入输出模块实现对模拟量的P ID控制，所用元件少，成本低，系统构建方便，编程简单，控制效果好，因此基于PLC的PID控制器是工业生产中闭环控制较好的选择。 1.3本文主要工作 通过调研和查阅相关文献对本课题有了比较深入的了解。首先认真学习了智能控制中神经网络的基本理论，对人工神经元的模型神经网络的定义及其特点有了一定的认识。学习了人工神经网络中两种常用的模型：前向网络和反馈网络。学习了常用的神经网络学习算法和多层BP神经网络的结构及其特点。 在介绍常规PID控制器的基础上，提出采用前向BP神经网络对常规PID控制器的三个参数进行自适应整定。详细推导了BP神经网络PID控制的算法实现。最后通过matlab语言环境编写编写对控制系统进行验证。同时对西门子的S7-300PLC进行了简要的介绍，通过其开发环境设计了PID控制的梯形图。