基于神經網絡的自適應PID控制的智能衣架

張允碩 姜正義 甄海鋒

摘 要：在智能遮雨平臺中，利用減速電機和舵機協調搭配伸展遮雨布，良好的遮雨性能是其在同類產品的競爭根本，傳統的控制算法難以對復雜的天氣環境及時作出良好反應。針對此問題，本文提出基于BP神經網絡的算法和位置式PID算法結合，通過參數的自適應整定，對遮雨棚在極端天氣下伸展進行優化，使其工作更加穩定。

關鍵詞：神經網絡；自適應；最優控制；PID

1. BP神經網絡算法設計

基于BP神經網絡的PID控制器

設計基于神經網絡的PID控制系統時包括數字PID控制器，由學習算法在線得出 、 、 參數。在神經網絡前向傳遞中：輸入層每個單元輸入一個值，如 ， ， ， ，每個初始值與權重的乘積加上偏向得到隱含的輸入，在經過非線性方程計算得到隱含層輸出，此時隱含層輸出乘上本身的權重加上偏向后在經過非線性轉換得到輸出值。對于誤差計算： 為目標值，即設定值，預測值即前向輸出值。用目標值減去預測值乘以預測值乘以1減去預測值，即得輸出層誤差。之后進行權重更新，偏向更新。定義 為學習率，可設置為0-1之間的值。通過不斷地學習，我們可以從輸出得到 、 兩個參數，從而控制電機。

2.仿真與實驗

2.1 仿真測試

智能晾曬系統通過控制直流電機來達到控制速度的目的，其傳遞函數為：

定義學習率L為0.3，初始化權重和偏向隨機在-1至1之間，或者-0.5到0.5之間，在控制系統中階躍信號作為輸入時，對系統性能及穩定性影響較為嚴峻。

輸入階躍信號時，輸出的速度目標值超調量較小，且響應較快，說明該算法滿足快速穩定張開系統設計要求，穩定性和適合性較強。

2.2 實際測試

本文分別測試了衣架傳統控制方式下和BP神經網絡控制方式進行跟蹤追逐的運行結果。在測試100組數據后，結果如表1所示。

經過測試后，本文采用的BP神經網絡自適應算法可以很好的保證衣架迅速根據不同環境做出反應，說明如下：

（1）本文所采用的BP神經網絡自適應算法，可以在雨雪天氣更快速的實現張開，而三種情況下應用同一PID參數對天氣情況的適應并不理想。

（2）在實驗中發現，僅依靠傳統PID控制參數，衣架張開時會不穩定設置出現電機堵轉現象，而經過訓練的神經算法則有效的解決了突如其來的干擾。

參考文獻：

[1] 劉冰艷，朱武，張佳民.基于BP神經網絡自整定PID恒溫控制系統研究[J].儀表技術與傳感器，2018（08）：52-55.

[2] 胡宗鎮，趙延立.基于改進型BP神經網絡自整定的PID控制[J].電腦與信息技術，2019（01）：11-13.

[3] 袁建平，施一萍，蔣宇，江鵬.改進的BP神經網絡PID控制器在溫室環境控制中的研究[J].電子測量技術，2019，42（04）：19-24.