【PID优化】粒子群算法优化BP神经网络PID控制【含Matlab源码 2022期】

⛄一、粒子群算法优化BP神经网络PID控制简介

BP神经网络PID控制算法
传统PID控制器作为一种线性控制器，具备结构，容易实现的优点，其基本原理是将系统的实际输出值和期望输出值之间的偏差按照比例、积分和微分的形式进行线性组合，构成控制量，实现对目标的反馈控制，控制性能取决于P、I、D 3个参数，然而由于传统PID的控制参数需要根据经验预先设置且不能在线实时调整，因此在面对非平稳时变系统时存在稳定性差、控制精度不理想等问题。

BP神经网络是目前应用最为广泛的一种神经网络模型，作为一种多层前向反馈神经网络，具备并行计算和自适应学习能力，理论上能够以任意精度逼近于非线性函数，因此该文将BP神经网络与传统PID控制器相结合，利用BP神经网络对P、I、D3个参数进行自适应在线调整，从而提高PID系统面对非平稳非线性系统时的稳定性和控制精度。

1 BP神经网络结构
该文采用如图1所示的4-5-3三层BP神经网络结构，图中j、i和l分别对应输入层神经元、中间层神经元和输出层神经元。其中输入层神经元为系统实际输出值、期望输出值、系统偏差和控制量4个变量，输出层神经元为PID控制器的3个参数kP、kI和kD，将中间层神经元个数设置为5。

图1 所用三层BP神经网络结构

2 BP-P