matlab大作业水箱液面,基于MATLAB的双容水箱液位课程实例.pptx

基于MATLAB的双容水箱液位课程实例.pptx

自动化专业综合实践报告;基于MATLAB的双容水箱液位的模糊神经控制;摘要;1引言1.1研究背景;;1.2智能控制1.2.1智能控制的产生及研究现状;1.2.2智能控制的类型研究对象特点;1.2.3智能控制的未来发展趋势;2系统建模与MATLAB环境2.1过程控制系统的建模方法;2.1.1机理法;2.1.2.测试法;2.2双容水箱液位控制系统的建模;图2.2?双容水箱模型图;在双容水箱液位控制系统中,输入量为容器1的入水流量,正比于水菜的输入电压,连续可调且有界;输出量(即被控量)为容器2中的液位高度。现在,采用机理法对双容水箱液位控制系统进行数学建模。设：输入电压为U,单位为伏特(V)；输入流量为q1，单位为立方米每秒；容器1与容器2的输出流量分别为q2、q3；两容器中液位的高度分别为h1、h2，单位为米(m)；出水管的横截面积分别为a1、a2，单位为平方米；容器1与容器2的底面面积分别为C1、C2，单位为平方米；重力加速度为g，单位为米每二次方秒；比例系数为K，单位为立方米每伏特秒。;2.3 MATLAB 环境及 SIMULINK 模型2.3.1 MATLAB软件简介;3PID控制及参数整定3.1 PID控制简介;4神经网络及控制方法4.1神经网络简介4.1.1神经网络概述;单神经元模型如图5.1所示。其中, 为神经元的内部状态, 为阈值, 为输入信号,j = l,…,n, 表示从单元 到单元 的连接权系数, 为外部输入信号。;采用BP( Back Propagat ion) 网络设置神经PID控制, 建立参数kp , ki , kd 自学习的PID 控制器,采用三层网络结构, 其网络结构和控制系统结构如图所示.;神经网络的学习过程是修改加权系数的过程,最终使其输出达到期望值,学习结束。常用的学习算法有:Hebb学习算法、widrow Hoff学习算法、BP学习算法及Hopfield反馈神经网络学习算法等。;神经网络的控制方法有很多,如:神经网络直接反馈控制(如图4.4所示)、神经网络逆控制、神经网络内模控制、神经网络自适应控制、神经网络学习控制、神经网络PID控制(如图4.5所示) ;根据被控对象的特点和学习算法分析, 取系统的学习率 = 0. 20; 惯性系数 = 0. 05; 加权系数初始值取- 0. 5~ 0. 5 上的随机数 , 在MATLAB 下编写其控制程序, 并将程序应用于实验系统, 其运行结果如图4 所示. 为了便于比较控制效果, 此处将经典PID 控制结果给出( 系统处于同一状态下两种结果) ,如图5 所示. 从结果看, 采用神经PID 控制, 其快速性和超调量均有较大的提高, 控制效果较好.;针对二容水箱系统对象, 进行了神经PID 控制策略研究, 并将研究结果与单一的PID 控制结果比较, 其控制效果有明显的提高. 实验结果表明采用参数自适应的神经PID 控制, 虽然控制结构和控制算法较复杂, 但可以取得较好的控制效果.