基于嵌入式系统的神经网络控制器研究

VIP免费
3.0 陈辉 2024-11-19 7 4 2.21MB 74 页 15积分
侵权投诉
摘 要
本文研究了基于嵌入式系统的神经网络控制器。
传统 PID 控制器由于技术成熟，得到广泛的应用。但是传统 PID 控制器的设
计依赖于被控对象的数学模型，若 PID 控制器参数采用工程整定的方法，则费时
耗力，且参数只能在一定范围内有效。这不适用于复杂的非线性和时变系统。
神经网络由于其仿生特性，能逼近任何非线性函数，且具有自学习和自适应的
特性。但是一般神经网络有它的不足：收敛速度慢，训练和学习时间长；为了满
足系统性能要求，神经网络控制器大量增加隐含层的神经元个数，导致网络的计
算量很大，难以保证控制的实时性。这阻碍了神经网络在控制方面的应用。
近年来，人们开始采用神经网络和 PID 控制相结合，用神经网络改进传统 PID
控制的性能。
本文分析和研究了基于神经网络整定参数的 PID 控制器和基于单神经元的自
适应 PID 控制器，以倒立摆为非线性对象，进行了仿真研究，并将这两种方案设
计的神经网络 PID 控制器与传统 PID 控制器的控制性能做了对比和分析。
文中研究了以 S3C2410A 为核心的最小嵌入式系统平台，设计了系统的 BOOT
程序以及 LCD、A/D、D/A 等设备的驱动程序，文中选择了三种控制性能优良的
单神经元 PID 自适应控制算法，将其移植于嵌入式系统上，设计成一种基于嵌入
式系统的神经网络 PID 控制器，并对控制器中的三种单神经元 PID 控制器算法做
了模拟测试与控制，模拟测试表明这三种单神经元 PID 控制器算法都能达到理想
的控制效果，具有极快的响应速度，具有较强的自适应能力和鲁棒性。
本文设计的嵌入式神经网络控制器成本低，响应速度快，理论上控制性能良
好，且具有较好的操作性和可移植性，可以进一步对该控制器进行完善，设计成
一种功能实用的工业用控制器。
关键词：单神经元 嵌入式系统 倒立摆 PID 控制
ABSTRACT
A neural network controller based on embedded system is designed in this paper.
The traditional PID controller has been used widely because of its maturity. But the
design of traditional PID controller relies on the accurate mathematic model of object
system. It costs much time and energy to design the parameters of PID controller by test,
while the parameters is effect only in a fixed range. So the way of test is not fit for
nonlinearity and time-varying systems.
Neural network can approach freewill nonlinearity systems because of its bionic
character, and it can self-study and adapt itself to the environment. But it has the
shortcoming. For example, it converge slowly, and need long time to train and study, by
the way, the neural network controller should add a great deal single neuron to its
hidden layer if improve its performance, following with the great increase of calculation.
All the matter counteracts the neural network’s application in control.
Recently, people combine the neural network and PID, use neural network to
improve the PID controller’s performance.
This paper analyze and research 2 methods of design PID controller’s parameters,
and simulates the PID controller designed by the 2 methods aim at the inverted
pendulum. Then this paper compares the performance of these 2 methods with
traditional PID method.
An embedded system based on S3C2410A is designed in this paper. The boot
loader and drivers of external devices is referred to. This paper transplant 3 methods of
single-neuron PID adaptable controller on the embedded system. This paper test the
embedded neuron network PID controller by control the 1 stag inverted pendulum. The
test results indicate that the single-neuron PID controller is nicer and robust, it can track
and response to the input quickly, and it can adapt the 3 parameters to the environment.
The embedded neuron network controller designed in this paper is cheap, its
control performance is excellent. As well as, it is easily to operate and explant. We can
improve the controller and make it to be a practical movement controller.
Key Word：
single-neuron, embedded system, inverted pendulum, PID
control
目 录
摘 要
ABSTRACT
第一章 绪 论 ...............................................................................................................1
§1.1 课题研究的意义...........................................................................................1
§1.2 国内外发展现状...........................................................................................1
§1.3 本文研究的主要内容...................................................................................3
第二章 神经网络 PID 控制 .......................................................................................... 4
§2.1 PID 控制原理............................................................................................... 4
§2.2 神经网络控制...............................................................................................6
§2.3 基于 BP 神经网络整定的 PID 控制 ........................................................ 10
§2.4 基于单神经元的自适应 PID 控制............................................................ 13
§2.5 改进的单神经元自适应 PID 控制器........................................................15
第三章 神经网络 PID 控制仿真分析 ........................................................................ 21
§3.1 控制对象分析及建模.................................................................................21
§3.2 控制算法的仿真环境.................................................................................22
§3.3 神经网络控制算法仿真及分析.................................................................23
第四章 嵌入式系统平台研究与设计 .........................................................................28
§4.1 嵌入式系统概述.........................................................................................28
§4.2 ARM 微处理器 ...........................................................................................28
§4.3 控制器硬件平台搭建.................................................................................32
§4.4 嵌入式系统软件设计.................................................................................43
第五章 基于嵌入式系统的神经网络控制器设计 .....................................................55
§5.1 神经网络控制器软件结构.........................................................................55
§5.2 神经网络 PID 算法在嵌入式系统上的移植............................................ 56
§5.3 控制器系统 I/O 功能设计......................................................................... 58
§5.4 模拟测试结果分析.....................................................................................59
第六章 结论和展望 .....................................................................................................62
附录 .................................................................................................................................64
参考文献 .........................................................................................................................70
在读期间公开发表的论文和承担科研项目及取得成果 .............................................72
致 谢 .............................................................................................................................73
第一章 绪 论
1
第一章 绪 论
§1.1 课题研究的意义
本课题来源于上海市研究生创新基金项目《基于嵌入式系统的模糊神经网络
控制器》（JWCXSL0802）。
控制系统的设计归根到底就是调节器的设计，而调节器的设计就是调节规律
的确定和调节器参数的整定。传统的 PID 调节器技术成熟，结构简单、稳定性好、
工作可靠、调整方便，得到广泛应用。但是 PID 调节器的设计严重依赖工程师的
经验和被控对象的数学模型。现代工业生产工艺日益复杂，被控对象大多具有复
杂的非线性和时变特性，其精确的数学模型难以建立；而且有些被控对象在噪声、
扰动等因素的影响下，过程参数甚至模型结构都会随时间和工作环境而改变，这
就使得 PID 控制器参数更加难以确定[1, 2, 3]。
神经网络作为新兴的信息处理技术，近些年在智能控制、信号处理、模式识别
等技术领域得到迅猛的发展。神经网络由于其仿生特性，能更有效利用系统本身
的信息,能逼近任何非线性函数，具有并行处理和自学习能力,因而容错能力强，
且具有自学习和自适应的特性。神经网络本身具有多输入和多输出的特点，所以
更易用于多变量系统的控制[1, 4, 5]。
但是神经网络也有它的不足：收敛速度慢，训练和学习时间长；为了满足系统
性能要求，神经网络控制器大量增加隐含层的神经元个数，导致网络的计算量很
大，难以保证控制的实时性[6,7,8]。因此，神经网络应用于控制的实例较少，主要还
停留在理论和实验阶段。
传统的 PID 控制方法和单纯的神经网络难以单独胜任复杂系统的控制任务，因
此需要开拓新的思路。
神经网络强大的信息处理能力是以大量的运算为基础的。ARM 是当前在嵌入式
领域应用最广泛的一种 CPU，其运算速度可以和 DSP 媲美，性能远比 51 单片机的
功能强大，而且价格低廉、功耗低、集成度高，为神经网络应用于控制提供了一
种技术手段。[9]
本文正是在这样的背景下，研究将神经网络和 PID 控制相结合的控制方案，
并将其移植到嵌入式系统上，用于控制倒立摆。
§1.2 国内外发展现状
针对传统 PID 控制的弱点，控制界提出了大量针对 PID 控制的改进方案，如
自校正 PID 控制、广义预测 PID 控制、模糊 PID 控制、专家 PID 控制、智能 PID
控制等等。各种方案的理论依据不同，采用的手段也不同，它们的共同点都是针
基于嵌入式系统的神经网络控制器的研究
2
对如何选取和整定 PID 参数，都是在保持传统 PID 控制器结构的基础上，采用新
的方法在线或离线确定 PID 参数[8]。
智能控制是人工智能、控制论、信息论、计算机技术、运筹学等多种学科的
高度综合与集成，包括模糊控制、专家系统控制、神经网络控制等，是一门新兴
的边缘交叉学科，代表了当今科学技术发展的最新方向之一[1, 10, 11]。
20 世纪 70 年代，傅京逊首次提出了智能控制的思想；
1974 年英国的 mamdani
教授首次成功地将模糊逻辑用于蒸汽机控制。20 世纪 80 年代， kilmer 和mcclloch
提出 KBM 模型实现对“阿波罗”登月车的控制；这使得人工神经网络在控制领域
得到广泛应用，开辟了神经网络控制学科。
进入 20 实际 90 年代后，智能控制的研究势头更加迅猛。智能控制技术在国
内也受到广泛重视，中国自动化学会等在 1993 年8月在北京召开第一届华人智能
控制与智能自动化大会[1, 12, 13]。
近年来，智能控制技术在国内外得到了较大的发展，涌现了大量关于智能控
制的理论研究，应用对象也更加广泛，已逐渐进入工程化和实用化阶段。
神经网络是智能控制的一个重要分支，由人工建立的以有向图为拓扑结构的
网络模拟大脑的某些机理。神经网络本质上是非线性系统，多层神经元网络可以
逼近任意函数，在复杂系统的控制方面具有明显的优势，已经成为智能控制研究
的主流之一。[1, 2, 4]
神经网络用于控制系统可分成辨识和控制两大类。辨识主要是利用神经网络
实现控制系统的建模。而神经网络控制主要用于解决非线性、不确定系统的控制
问题，利用神经网络所具有的自学习能力使控制器具备随环境的变化而变化的自
适应能力。[1, 2, 13]
神经网络与智能控制的新技术、新方法相结合，形成了模糊神经网络、神经
网络专家系统、遗传免疫算法与神经网络融合等多种新型的控制结构和算法。但
是神经网络在控制方面的应用实例很少，主要是控制系统实时性和稳定性等要求
高，一般的神经网络不能满足这个要求。[1, 5, 6]
近年来，人们开始采用神经网络和 PID 控制相结合，用神经网络改进传统 PID
控制的性能。当前，神经网络 PID 控制器已应用到一些实际的工业过程控制，例
如电阻炉温度控制系统等。
以ARM 为核心的嵌入式系统体积小，性能好，功耗低，可靠性高，已经广泛
应用于军事，网络通信，工业控制等领域，例如火箭姿态控制、汽车发动机控制、
民用空调系统控制等[9, 14]。
第一章 绪 论
3
§1.3 本文研究的主要内容
本文要研究的就是将神经网络和 PID 控制方法结合起来，利用神经网络的学
习机制对 PID 控制器的三个参数进行实时的自适应调整，使 PID 控制器能适应被
控对象的变化，提高控制性能和可靠性；并将神经元网络 PID 控制器移植到以 ARM
芯片为核心的嵌入式系统上，构建一个嵌入式自适应神经网络 PID 控制器，并使
之模块化，替代工控机，用于控制倒立摆实验装置。
本课题所要研究的主要内容有：
1.以倒立摆实验装置为目标对象，研究基于神经网络的 PID 控制器算法，研究
运用神经网络优良的自学习能力，使该算法设计的控制器参数可以适应被控对象
的变化而实现实时自学习和自适应调整，避免建立系统的数学模型和设计 PID 参
数值的困难，解决传统 PID 控制器的参数难以适应复杂非线性和时变被控对象等
问题，从而改善控制器的性能和可靠性，提高控制质量；
2.构建一个以 ARM 为核心的嵌入式控制器的硬件电路，需要扩展的外部设备
主要有 LCD、键盘、A/D 以及 D/A 转换电路、存储器等；设计该嵌入式控制器的
BOOT 程序，以及 LCD、A/D 器件、D/A 器件等设备的驱动程序；设计控制器的
平台程序，可以根据键盘输入调度相应的应用程序；
3.将神经网络 PID 控制算法移植到嵌入式系统平台上，使之成为一个独立的通
用自适应控制器模块；合理安排存储器资源，设计控制器的图形用户界面；以倒
立摆为控制对象，测试并分析嵌入式神经网络 PID 控制器的控制性能。
基于嵌入式系统的神经网络控制器的研究
4
第二章 神经网络 PID 控制
PID 控制方法是经典控制算法中的典型代表，结构简单，参数物理意义明确，
鲁棒性强。被控对象的动态特性和静态特性在很大程度上取决于比例、微分、积
分三项参数。常规 PID 控制器要获得好的控制效果，就需要对这三个参数进行调
整，使其满足某种性能指标的最佳组合关系。对于复杂非线性系统和时变系统，
这是一件很困难的事情。
神经网络 PID 控制器利用神经网络的非线性映射能力、自学习能力，结合常规
PID 控制理论，吸收两者的优势，从而使系统具有自适应性，可自动在线调节控制
参数，适应被控过程的变化，提高控制性能和可靠性。神经网络 PID 控制的实质
是通过对系统性能的学习，来实现比例、积分、微分三种控制的自适应调整。
神经网络和 PID 控制相结合的控制方法可初略分三类：基于单神经元的自适应
PID 控制、基于多层前向网络的 PID 控制（如基于 BP 网络的 PID 控制和基于 RBF
网络的 PID 控制等）和基于多层网络的近似 PID 控制。[1]
§2.1 PID 控制原理
§2.1.1 模拟 PID 控制
PID 控制器根据系统的误差，利用误差的比例、积分、微分三个环节的不同组
合计算出控制量。常规 PID 控制系统原理框图如图 2-1 所示。系统由模拟 PID 控
制器和被控对象组成。
比例
积分
微分
被控对象
rin (k)
+
-
+
+
yout(k)
图2-1 模拟 PID 控制系统原理框图[8, 15, 16]
PID 控制器的输入为设定值 rin(t)与被调量实测值 yout(t)构成的偏差信号：
error(t) =rin(t)-yout(t) (2-1-1)
控制器的输出为偏差信号的比例、积分、微分的线性组合：
)
)(
)(
1
)(()( 0dt
tderror
Tdtterror
T
terrorktu D
t
I
p
(2-1-2)
式中 Kp 是比例系数，Ti 是积分时间常数，Td 是微分时间常数。
第二章 神经网络 PID 控制
5
对上式做拉氏变换，得到传递函数如下式：
)
1
1(
)(
)(
)( sT
sT
k
sE
sU
sG D
I
p
(2-1-3)
§2.1.2 数字 PID 控制
早期的 PID 控制器首先是在气动或液动、电动仪表组成的模拟控制器上实现
的。计算机技术的飞速发展使计算机实现的数字 PID 控制器逐步取代模拟仪表构
成的模拟 PID 控制器[15, 16,]。
将式（2-1-2）模拟 PID 控制算法离散化，将连续时间 t离散化为一系列采样时
刻点 kT（k为采样序列，T为采样周期），然后以求和取代积分，以向后差分取代
微分，得到离散化的 PID 控制算法：
))1()(()()(
0
kerrorkerrorkjerrorkkerrork d
k
j
ip
(2-1-4)
数字 PID 控制器包含三项：比例项
)(kerrork p
，积分项
k
j
I
pjerror
T
T
k
0
)(
，微分
项
))1()(( kerrorkerror
T
T
kD
p
。
这种控制算法称为位置式 PID 控制算法，计算机输出的控制量
)(ku
直接控制
执行机构，
)(ku
的值与执行机构的位置一一对应。
有些执行机构要求控制器的输出为增量形式（如步进电机）。这里对位置式 PID
控制算法进行改进，引入增量式 PID 控制算法。由式（2-1-4）依据递推原理可得：
)))2()1(()()1(()1(
1
0
kerrorkerror
T
T
jerror
T
T
kerrorkku D
k
j
I
p
增量式 PID 控制算法表示如下：
)1()()( kukuku
))2()1(2)(()())1()(( kerrorkerrorkerrorkkerrorkkerrorkerrork dip
(2-1-5)
这种算法的数字控制器输出是控制增量
)(ku
，仍旧包含三项：比例项
))1()(( kerrorkerrorkp
， 积 分 项
)(kerrorki
， 微 分 项
摘要：

摘要本文研究了基于嵌入式系统的神经网络控制器。传统PID控制器由于技术成熟，得到广泛的应用。但是传统PID控制器的设计依赖于被控对象的数学模型，若PID控制器参数采用工程整定的方法，则费时耗力，且参数只能在一定范围内有效。这不适用于复杂的非线性和时变系统。神经网络由于其仿生特性，能逼近任何非线性函数，且具有自学习和自适应的特性。但是一般神经网络有它的不足：收敛速度慢，训练和学习时间长；为了满足系统性能要求，神经网络控制器大量增加隐含层的神经元个数，导致网络的计算量很大，难以保证控制的实时性。这阻碍了神经网络在控制方面的应用。近年来，人们开始采用神经网络和PID控制相结合，用神经网络改进传统PI...

展开>> 收起<<
基于嵌入式系统的神经网络控制器研究.pdf

共74页,预览8页

还剩页未读， 继续阅读

相关推荐

更多
立即下载
作者：陈辉 分类：高等教育资料 价格：15积分 属性：74 页 大小：2.21MB 格式：PDF 时间：2024-11-19

开通VIP享超值会员特权

  • 多端同步记录
  • 高速下载文档
  • 免费文档工具
  • 分享文档赚钱
  • 每日登录抽奖
  • 优质衍生服务

作者详情

相关内容

更多

推荐作者

热门标签

/ 74
评分 收藏
分享
立即下载 VIP免费下载
客服
关注