基于BP神经网络PID控制的无刷直流电动机调速系统设计(毕业设计).doc

毕业设计(论文)任务书 课题名称 基于 BP 神经网络 PID 控制的无刷直流电动机调速 系统设计 学 院 *** 专业班级 *** 姓 名 *** 学 号 *** 毕业设计（论文）的工作内容: : （1） 熟练掌握 MATLAB_Simulink（M 语言）建模仿真的方法，并用其 实现相应的 BP 神经网络 PID 控制的无刷直流电动机调速系统验证； （2） 结合相关资料，重点了解无刷直流电机的工作原理，调速方法及 应用（写出相应的综述报告） ； （2） 结合现有的文献资料，了解神经网络控制技术，重点掌握 BP 神 经网络控制及其在无刷直流电动机调速系统中的应用； （3） 对提出的控制算法的有效性进行对比仿真研究（与常规 PID 控制 进行对比） （4） 完成 5000 汉字英文资料的翻译 起止时间： 2012 年 2 月 13 日至 2012 年 6 月 5 日共 16 周 指指 导导 教教 师师 签签 字字 系系 主主 任任 签签 字字 院院 长长 签签 字字 *** 毕业设计（论文）说明书 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 摘要 本文以基于 BP 神经网络 PID 控制的无刷直流电机(简称 BLDCM)调速系统设 计为主题开展研究，以期对 BP 神经网络控制技术和 BLDCM 调速控制技术的发展 起到积极的作用。

为了提高 BLDCM 调速系统的性能，本文将 BP 神经网络与 PID 有机结合，构 成基于 BP 神经网络的参数自整定 PID 控制器，以克服常规 PID 控制存在的不足， 仿真研究表明 BP 神经网络 PID 控制器优于传统 PID 控制器 在理论分析和仿真研究的基础上，本文采用BP神经网络PID控制算法，对典型 的参数时变非线性系统的控制进行了仿真研究仿真结果验证了所建模型的正确性， 并证明了神经网络控制的优越性 关键词关键词：无刷直流电机 PID 控制 BP 神经网络 仿真 *** 毕业设计（论文）说明书 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ I Abstract With the expectation to play a positive role in the development of BP Neural Network based control and Brushless DC Motor(BLDCM)Drives, this paper researches and designs a PID-Control Brushless DC Motor Drives based on BP Neural Network. In Order to improve the performance of the BLDCM speed control system, the BP neural network and PID organic combination, constitute a self-tuning PID controller based on BP neural network parameters in order to overcome the shortcomings of the conventional PID control, simulation studies have shown that the BP neural network PID controllersuperior to conventional PID controller. On the basis of theoretical analysis and simulation studies, this article uses the BP neural network PID control algorithm, a simulation study on the typical parameters of time-varying control of nonlinear systems. The simulation results verify the correctness of the model, and prove the superiority of the neural network control. Key words:BLDCMPID ControlBP Neural NetworkSimulation *** 毕业设计（论文）说明书 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ II 目录 第第 1 1 章章 绪论绪论1 1 1.1 控制理论的发展和面临的挑战 1 1.2 神经网络技术的发展与现状 2 1.3 神经网络用于控制系统的优势与前景 3 1.4 神经网络在电机控制中的应用 3 1.5 神经网络 PID 控制研究的现状和意义 4 1.6 设计主要内容 .5 第第 2 2 章章 无刷直流电机原理及数学模型无刷直流电机原理及数学模型6 6 2.1 无刷直流电机的基本组成 6 2.2 无刷直流电机的工作原理 8 2.3 无刷直流电机的数学模型 .10 2.3.1 电压方程 10 2.3.2 电磁转矩方程 11 2.3 无刷直流电机的调速原理 .13 2.4 小结 .14 第第 3 3 章章 BPBP 神经网络神经网络 PIDPID 控制方法研究控制方法研究 1515 3.1 神经网络概述 .15 3.1.1 神经元的结构模型 15 3.1.2 多种作用函数 16 3.2 神经网络控制 .17 3.2.1 神经网络控制概述 17 3.2.2 神经网络控制的结构和基本原理 18 3.2.3 神经网络控制的特点 19 3.3 BP 神经网络控制.19 3.3.1 BP 神经网络的结构19 3.3.2 BP 神经网络的学习算法20 3.3.3 BP 神经网络的不足及改进.22 3.4 BP 神经网络 PID 控制器基本原理.23 3.4.1 传统 PID 控制原理23 3.4.2 基于 BP 神经网络的 PID 控制原理 24 3.5 神经网络 PID 控制器基本结构 .25 3.6 基于 BP 神经网络的 PID 控制算法 26 3.7 小结 .28 第第 4 4 章章 无刷直流电机无刷直流电机 BPBP 神经网络神经网络 PIDPID 控制仿真研究控制仿真研究2929 4.1 MATLAB/SIMULINK 介绍29 4.2 系统仿真 .29 4.2.1 系统参数 .29 4.2.2 空载时系统仿真 .30 4.2.3 有负载干扰时系统仿真 .32 *** 毕业设计（论文）说明书 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ III 4.3 结果分析 .33 4.3.1 仿真结果比较 .33 4.3.2 结论 .33 4.4 本章小结 .33 结束语结束语3434 参考文献参考文献3535 致谢致谢3636 *** 毕业设计（论文）说明书 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 0 第 1 章 绪论 1.1 控制理论的发展和面临的挑战 控制理论学科经历了经典控制理论、现代控制理论两个发展阶段，现在己进入 非线性控制理论和智能控制理论发展时期。

它和其他学科一样，也是由于社会发展 的需要，从解决重大工程和技术问题的实践中产生发展而来的，而它的发展水平则 受到人类技术手段和知识水平的限制经典控制理论和现代控制理论研究的是线性 时不变系统的控制问题但是自然界和现实生活中的系统绝大多数是非线性的，仅 凭单一的分析线性系统的理论来分析非线性系统，存在固有的缺点而且，随着科 学技术的发展，人们对控制品质的要求的提高，对实际过程的分析逐步精密，对控 制系统的研究涉及到非线性、鲁棒性以及具有柔性结构的系统和离散事件动态系统 等，从而系统的非线性影响也就愈发突出了显然，传统的线性理论已经不能很好 的解决这些问题这对控制理论的应用无疑是一个新的挑战于是非线性控制理论 和智能控制理论应运而生 人工智能的发展促使自动控制向智能控制发展可以说，智能控制是控制信息 论、人工智能和计算机科学相结合的产物智能控制系统是在控制论、信息论、人 工智能、仿生学、神经生理学及计算机科学发展的基础上逐步形成的一类高级信息 与控制系统智能控制强调的是系统对问题能够求解、能够适应环境和任务的变化 而且还要具有一定的决策能力，从而做出相应的、准确的、及时的控制操作结合 具体的工业生产过程，各种智能控制系统正在发挥巨大的经济和社会效益。

智能控 制的特点可以概括如下： (1)处理各种不确定性、定性信息和数据结构的能力 (2)处理非结构化信息和数据的能力 (3)对具有高度抽象性的离散符号指令做出响应的能力 (4)辨识主控系统结构和构成的能力 (5)处理和利用各种不同知识的能力 (6)根据主控系统或环境变化，对自身参数或结构进行修正或重构的能力 (7)在运行过程中学习和获取关于对象和环境新知识并利用新知识改进控制行为 的能力 (8)基于对象行为预测的控制的多目的性 综上所述，智能控制无论是在理论上还是应用上都得到了长足的发展 智能控制有各种形式和各种不同的应用领域，其中神经网络控制系统是这些年 来研究很多也是发展很快的一个方向神经网络在系统控制领域受到重视主要是因 为它的非线性映射能力、自学习适应能力、联想记忆能力、并行信息处理方式及其 优良的容错性能这些特点使得神经网络非常适合于复杂系统的建模和控制特别 是当系统存在不确定性因素时，更体现了神经网络方法的优越性这些很适合控制 系统中的非线性特性，因此，神经网络控制在非线性控制系统中应用非常广泛 *** 毕业设计（论文）说明书 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 1 1.2 神经网络技术的发展与现状 神经网络领域研究的工作始于 19 世纪末和 20 世纪初。

它源于物理学、心理学 和神经生理学的跨学科研究，主要代表人物有 Herman Von Helmholts，Ernst Mach 和 Ivan Pavlov这些早期研究主要还是着重于有关学习、视觉和条件反射等一般理 论，并没用包含有关神经元工作的数学模型 现代对神经网络的研究可以追溯到 20 世纪 40 年代，神经网络系统理论的发展 是不平衡的 人工神经网络的研究始于 1943 年，它是由心理学家 Warren Mc Culloch 和数学 家 Walter Pitts 所提出的 M-P 模型1949 年，心理学家 Donald Hebb 通过对大脑神 经细胞学习和条件反射的观察研究，提出了神经元之间突触强度调整的假设认为 学习过程是在突触上发生的，连接权的调整正比于两相连神经元激活值的乘积这 就是有名的 Hebb 学习规则，至今该规则仍在神经网络模型中发挥着重要作用 1957 年，Frank Rosenblatt 提出了著名的感知机(Per。