基于BP 神经网络PID 的控制系统研究

摘要：该文选取在工业上具有广泛应用的电加热炉为对象。电加热炉系统是一个双输入双输出系统，有耦合，相互影响，相互干扰。针对控制对象强耦合的特点，设计了基于BP神经网络的参数PID控制算法，采用前馈补偿方法实现解耦，通过仿真研究，结果表明该方案控制系统的调节品质比传统的PID控制水平有了明显的提高。

关键词：BP神经网络；PID；解耦；温度控制；仿真

中图分类号：TP273 文献标识码：A 文章编号：1009-3044（2013）28-6375-03

1 概述

电加热炉在冶金，矿山等工业领域有广泛应用，因此对电加热炉温度控制系统的研究具有一定的理论价值。电加热炉是一个典型的多输入多输出的热工对象，实际工业中一般采用传统的PID控制方法，在特定的工况下具有良好的效果，但是由于实际工况的复杂性，炉温模型存在非线性，参数不确定性，仅用传统的PID控制算法很难完成温控任务，因此，该文将神经网络控制方法应用于电加热装置温度的控制，以便提高在各种工况下的控制效果。

2 基于BP神经网络PID控制

2.1 BP神经网络结构

BP神经网络结构如图1所示。x和y是网络的输入、输出向量。每个神经元用一个节点表示。网络由输入层、隐层和输出层节点组成。

控制器由两部分组成：经典的PID控制器，直接对被控对象进行闭环控制；神经网络根据系统的运行情况，调整 PID 控制器的参数以期达到性能最优。BP神经网络输入节点对应所选的系统运行状态变量，如系统不同时刻的输入量和输出量等，必要时进行归一化处理。输出分别对应PID控制器的三个可调参数Kp，Ki，Kd[3]。

3 前馈补偿解耦法

前馈补偿是自动控制理论中最早出现的一种克服干扰的方法，同样适用于解耦控制系统。用了前馈矩阵补偿以后，被控变量的传递函数变成了对角矩阵，补偿了耦合支路的影响，即抵消了过程的耦合，而且耦合以后控制对象矩阵的对角元素保持不变，即控制主通道的特性保持不变，总之实现了解耦控制。

4 电加热炉温度控制仿真研究

设有一个电加热炉温度控制系统的控制模型为：

5 实验结论

本文针对电加热炉温度系统这个非线性，强耦合的控制过程，提出了一种较为实用的神经网络解耦方案，通过初步仿真，方案控制系统的调节品质比传统的PID控制水平有了明显的提高。

参考文献：

[1] 柴天佑.多变量自适应解耦控制及应用[M].北京：科学出版社，2001.

[2] 刘金琨.先进PID控制及其MATLAB仿真[M].北京：电子工业出版社，2003.

[3] 李英春，王孟效.基于BP神经网络PID的漂白温度控制算法的研究[J].控制工程，2006，22（12-1）.

[4] 薛定宇.控制系统计算机辅助设计—MATLAB语言与应用[M].北京：清华大学出版社，2006.