图4-6 BP网络的参数自适应ki整定曲线
图4-7 BP网络的参数自适应kd整定曲线
根据上面曲线可以发现BP神经网络的自整定、自适应效果是比较好的。阶跃响应曲线中输出的最终值收敛于84.94处。误差跟踪曲线最终收敛于0处，说明了BP网络的自调整
23
无超最终为0，控制效果比较理想。当我们运行稳定后得到一组新的权值wi，wo如下
wi=[-1.6394 -0.2696 -1.3756 -0.7023; -0.8603 -1.2013 -0.5024 -0.2596; -1.0749 0.5543 2.6820 -0.5437; -0.3625 -1.0724 -0.6463 -0.2859; 0.1425 0.0279 -0.5406 -0.7660];
wo=[0.7576 0.2616 0.5820 -3.1416 -0.1325; -0.1146 0.2949 0.8352 0.2205 2.4508; 2.7201 2.4566 3.7672 4.4962 4.3632];
用该组数据仿真得到和上面四个同类型的曲线，但控制效果明显不同，如图所示
90807060rin,yout5040302010005time(s)1015
图4-8 稳定权值下BP网络的阶跃跟踪曲线
24
1.210.80.6error0.40.20-0.205time(s)1015
图4-9 稳定权值下BP网络的误差跟踪曲线
10.90.80.7u0.60.50.405time(s)1015图4-10 稳定权值下BP网络PID输出曲线
25
图4-11 BP网络的参数自适应kp整定曲线
图4-12 BP网络的参数自适应ki整定曲线
26
图4-13 BP网络的参数自适应kd整定曲线
4.2 仿真结果分析
由上述两组图可以看出BP神经网络的各项指标效果均非常良好，特别是BP神经网络的自整定，自适应都非常好。
从上面的仿真结果中，进行分析后，可以将响应结果列表，见表4.1。
表 4.1控制系统的性能参数
性能指标 最大超调量?p 调整时间tp（s） BP神经网络PID控制系统 6.02% 2.3 由上面的表4.1可知，在以上情况下，BP神经网络控制系统的最大超调量小。同样，得出把BP神经网络控制系统的控制品质好。
4.3本章小结
本章主要是用 MATLAB/Simulink对BP神经网络自整定PID控制系统进行仿真对比，得出BP神经网络的控制效果明显比常规的要好，它具有很强的自整定，自适应功能。
27