学位论文 > 优秀研究生学位论文题录展示

基于BP神经网络PID控制的温室环境控制系统的仿真研究

作　者: 涂川川
导　师: 朱凤武
学　校: 吉林农业大学
专　业: 农业电气化与自动化
关键词: BP神经网络 PID控制温室仿真
分类号: TP273
类　型: 硕士论文
年　份: 2012年
下　载: 654次
引　用: 1次
阅　读: 论文下载

内容摘要

我国温室环境自动控制系统的研究起步比较晚,水平也比较低,在控制算法上也缺少智能方法提高其控制性能。对于温室温、湿度的控制大多采用常规的PID控制,这种控制方法比较简单,而且便于实现,但是温室是一个非线性、强时变、强耦合、参数变化大的复杂对象,控制参数难以整定,所以必须结合相应的智能算法以解决温室复杂环境中参数整定难的问题。在常规PID控制中即使整定好一组参数在较小的控制范围内有好的控制效果,但是在被控对象特性发生变化时也很难使其稳定性和控制品质得到保证,所以利用常规PID控制这一类复杂对象的控制效果并不是很理想。本文主要研究温室环境中的温度和湿度的监控问题,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,提出了温室环境中温度和湿度控制的总体设计方法,分析了BP(back propagation)神经网络算法和常规PID控制各自的优缺点,并在常规PID控制器的基础上结合BP神经网络,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,对现代化温室环境参数(主要是温度和湿度)控制的智能化进一步进行了探索和研究,本文还分析了温室控制过程的非线性、大滞后的复杂过程并建立了温室环境中的温度和湿度模型；利用MATLAB软件对常规PID控制和BP神经网络PID控制进行仿真比较,结果表明基于BP神经网络的PID控制器具有较好的控制效果；同时,在LabVIEW平台上,以STC89C52单片机为控制核心,设计了一个实用的温室环境自动监控系统,可以实现对温室环境中温度和湿度两个环境参数的实时的监测和控制,有效的提高了温室环境控制的性能以及控制效果,并大大降低了系统的成本,为温室环境控制技术的自动化、智能化在控制系统中的应用作了有益的尝试。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-14
  1.1 选题背景及意义  9-10
  1.2 温室环境控制技术的国内外发展及研究现状  10-13
    1.2.1 国外温室环境控制技术的发展及研究现状  10-11
    1.2.2 国内温室环境控制技术的研究现状  11-13
  1.3 本文的研究内容及其方法  13-14
第二章神经网络的基本理论  14-26
  2.1 人工神经元模型  14-15
  2.2 神经网络的特点  15
  2.3 人工神经网络的模型  15-16
    2.3.1 前向网络  15-16
    2.3.2 反馈网络  16
  2.4 神经网络的学习算法  16-19
    2.4.1 Hebb规则  17
    2.4.2 δ学习规则  17-18
    2.4.3 相关学习规则  18
    2.4.4 胜者为王学习规则  18-19
  2.5 感知器网络  19-20
  2.6 多层前向BP神经网络  20-25
    2.6.1 BP学习算法  20-24
    2.6.2 BP神经网络算法的缺点  24
    2.6.3 BP网络学习算法的改进  24-25
  2.7 本章小结  25-26
第三章 BP神经网络PID控制器的设计  26-37
  3.1 常规PID控制  26-29
    3.1.1 常规PID控制介绍  26-28
    3.1.2 PID控制器的参数整定  28
    3.1.3 常规PID控制器的局限性  28-29
  3.2 基于BP神经网络的PID控制  29-32
    3.2.1 前向算法  30-31
    3.2.2 反传算法  31-32
  3.3 改进型BP神经网络PID控制  32-36
  3.4 本章小结  36-37
第四章控制算法的仿真研究  37-52
  4.1 温室控制系统模型的建立  37-38
  4.2 MATLAB仿真  38-45
    4.2.1 对阶跃信号的跟踪  39-42
    4.2.2 对外部干扰的适应性  42-44
    4.2.3 对外部对象发生变化时的适应性(鲁棒性)  44-45
  4.3 温室环境控制系统的设计  45-51
    4.3.1 上位机的设计  46-48
    4.3.2 下位机的设计  48-51
  4.4 本章小结  51-52
第五章结论和展望  52-54
  5.1 本文研究内容的总结  52
  5.2 今后工作的展望  52-54
参考文献  54-57
致谢  57-58
作者简介  58-59
附录  59-63

基于BP神经网络PID控制的温室环境控制系统的仿真研究

内容摘要

全文目录

相似论文