当前位置：首页 > news >正文

基于BP神经网络的PID控制器matlab参数整定和性能仿真

news 2025/9/21 6:45:16

1.课题概述

2.系统仿真结果

3.核心程序

4.系统原理简介

5.参考文献

6.完整工程文件

1.课题概述

传统PID控制器参数固定，面对非线性、时变系统易出现超调大、稳定性差等问题。基于BP 神经网络的PID控制器，通过BP网络的自学习能力实时优化PID参数，形成“控制-反馈-优化”闭环，适配复杂系统高精度控制需求。

2.系统仿真结果

3.核心程序

matlab2024b


% 显示性能指标
fprintf('控制系统性能指标：\n');
fprintf('均方误差 (MSE): %.6f\n', mse);
fprintf('均方根误差 (RMSE): %.6f\n', rmse);
fprintf('平均绝对误差 (MAE): %.6f\n', mae);
fprintf('误差绝对值积分 (IAE): %.6f\n', iae);
fprintf('时间乘以误差绝对值积分 (ITAE): %.6f\n', itae);
fprintf('控制信号最大值: %.6f\n', max_control);
fprintf('控制信号平均值: %.6f\n', avg_control);% 绘制参考输入与系统输出对比图
figure;
subplot(211);
plot(time_vector(1:20:end), reference_input(1:20:end), 'rx', 'LineWidth', 1);
hold on;
plot(time_vector, system_output, 'b', 'LineWidth', 1.5);
xlabel('时间 t/s');
ylabel('参考输入与系统输出');
legend('参考输入', '系统输出');
title('系统跟踪性能');subplot(212);
plot(time_vector(1:20:end), reference_input(1:20:end), 'rx', 'LineWidth', 1);
hold on;
plot(time_vector, system_output, 'b', 'LineWidth', 1.5);
xlabel('时间 t/s');
ylabel('局部放大图');
legend('参考输入', '系统输出');
xlim([0, 0.25]);% 绘制误差曲线图
figure;
plot(time_vector, current_error, 'r', 'LineWidth', 2);
xlabel('时间 t/s');
ylabel('误差');
ylim([-0.05, 0.05]);
title('跟踪误差曲线');% 绘制控制信号曲线图
figure;
plot(time_vector, control_signal, 'r', 'LineWidth', 2);
xlabel('时间 t/s');
ylabel('控制信号');
title('控制信号变化曲线');% 绘制PID参数变化曲线图
figure;
subplot(311);
plot(time_vector, proportional_gain, 'r', 'LineWidth', 2);
xlabel('时间 t/s'); ylabel('比例系数 kp');subplot(312);
plot(time_vector, integral_gain, 'g', 'LineWidth', 2);
xlabel('时间 t/s'); ylabel('积分系数 ki');subplot(313);
plot(time_vector, derivative_gain, 'b', 'LineWidth', 2);
xlabel('时间 t/s'); ylabel('微分系数 kd');
title('PID参数自适应调整曲线');% 绘制性能指标柱状图
figure;
performance_indices1 = [mse, rmse, mae, iae, itae];
load R0.mat 
performance_indices2 =  performance_indices;bar([performance_indices1;performance_indices2]');
set(gca, 'XTickLabel', {'MSE', 'RMSE', 'MAE', 'IAE', 'ITAE'});
ylabel('指标值');
title('控制系统性能指标对比');
grid on;
legend('PID','BP-PID');