基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc

基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc

ID:55967930

大?。?65.00 KB

頁(yè)數(shù):19頁(yè)

時(shí)間:2020-06-18

基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc_第1頁(yè)
基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc_第2頁(yè)
基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc_第3頁(yè)
基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc_第4頁(yè)
基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc_第5頁(yè)
資源描述:

《基于某BP神經(jīng)網(wǎng)絡(luò)的PID控制器的設(shè)計(jì).doc》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的研究與實(shí)現(xiàn)課程名稱(chēng):人工神經(jīng)網(wǎng)絡(luò)目錄前言2一、BP神經(jīng)網(wǎng)絡(luò)3二、模擬PID控制系統(tǒng)5三、基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器6四、仿真程序10五、運(yùn)行結(jié)果17六、總結(jié)18參考文獻(xiàn)19前言人工神經(jīng)網(wǎng)絡(luò)是以一種簡(jiǎn)單神經(jīng)元為節(jié)點(diǎn),采用某種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)成的活性網(wǎng)絡(luò),可以用來(lái)描述幾乎任意的非線性系統(tǒng)。不僅如此,人工神經(jīng)網(wǎng)絡(luò)還具有學(xué)習(xí)能力、記憶能力、計(jì)算能力以及各種智能處理能力,在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理、存儲(chǔ)和檢索的功能。不同領(lǐng)域的科學(xué)家,對(duì)人工神經(jīng)網(wǎng)絡(luò)有著不同的理解、不同的研究容,并且采用不同的研究方法。對(duì)于控制領(lǐng)域的研

2、究工作者來(lái)說(shuō),人工神經(jīng)網(wǎng)絡(luò)的魅力在于:①能夠充分逼近任意復(fù)雜的非線性關(guān)系,從而形成非線性動(dòng)力學(xué)系統(tǒng),以表示某種被控對(duì)象的模型或控制器模型;②能夠?qū)W習(xí)和適應(yīng)不確定性系統(tǒng)的動(dòng)態(tài)特性;③所有定量或定性的信息都分布儲(chǔ)存于網(wǎng)絡(luò)的各神經(jīng)單元,從而具有很強(qiáng)的容錯(cuò)性和魯棒性;④采用信息的分布式并行處理,可以進(jìn)行快速大量運(yùn)算。對(duì)于長(zhǎng)期困擾控制界的非線性系統(tǒng)和不確定性系統(tǒng)來(lái)說(shuō),人工神經(jīng)網(wǎng)絡(luò)無(wú)疑是一種解決問(wèn)題的有效途徑。正因?yàn)槿绱?,把人工神?jīng)網(wǎng)絡(luò)引入傳統(tǒng)的PID控制,將這兩者結(jié)合,則可以在一定程度上解決傳統(tǒng)PID調(diào)節(jié)器不易在線實(shí)時(shí)整定參數(shù)、難于對(duì)一些復(fù)雜過(guò)程和參數(shù)慢時(shí)變系統(tǒng)進(jìn)行有

3、效控制的不足。一、BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)是一種有隱含層的多層前饋網(wǎng)絡(luò),其結(jié)構(gòu)如圖1-1所示。如果把具有M個(gè)輸入節(jié)點(diǎn)和L個(gè)輸出節(jié)點(diǎn)的BP神經(jīng)網(wǎng)絡(luò)看成是從M維歐氏空間到L維歐氏空間的非線性映射,則對(duì)于具有一定非線性因數(shù)的工業(yè)過(guò)程被控對(duì)象,采用BP網(wǎng)絡(luò)來(lái)描述,不失為一種好的選擇。在BP神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元多采用S型函數(shù)作為活化函數(shù),利用其連續(xù)可導(dǎo)性,便于引入最小二乘學(xué)習(xí)算法,即在網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中,使網(wǎng)絡(luò)的輸出與期望輸出的誤差邊向后傳播邊修正加權(quán)系數(shù),以期使誤差均方值最小。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程可分為前向網(wǎng)絡(luò)計(jì)算和反向誤差傳播——連接加權(quán)系數(shù)修正兩個(gè)部分,這兩個(gè)部分是

4、相繼連續(xù)反復(fù)進(jìn)行的,直至誤差滿(mǎn)足要求。不論學(xué)習(xí)過(guò)程是否已經(jīng)結(jié)束,只要在網(wǎng)絡(luò)的輸入節(jié)點(diǎn)加入輸入信號(hào),則這些信號(hào)將一層一層向前傳播;通過(guò)每一層時(shí)要根據(jù)當(dāng)時(shí)的連接加權(quán)系數(shù)和節(jié)點(diǎn)的活化函數(shù)與閾值進(jìn)行相應(yīng)計(jì)算,所得的輸出再繼續(xù)向下一層傳輸。這個(gè)前向網(wǎng)絡(luò)計(jì)算過(guò)程,既是網(wǎng)絡(luò)學(xué)習(xí)過(guò)程的一部分,也是將來(lái)網(wǎng)絡(luò)的工作模式。在學(xué)習(xí)過(guò)程結(jié)束之前,如果前向網(wǎng)絡(luò)計(jì)算的輸出和期望輸出之間存在誤差,則轉(zhuǎn)入反向傳播,將誤差沿著原來(lái)的連接通路回送,作為修改加權(quán)系數(shù)的依據(jù),目標(biāo)是使誤差減小。圖1-1二、模擬PID控制系統(tǒng)PID控制是最早發(fā)展起來(lái)的控制策略之一,它以算法簡(jiǎn)單、魯捧性好、可靠性高等優(yōu)點(diǎn)

5、而梭廣泛應(yīng)用于工業(yè)過(guò)程控制中。PID控制系統(tǒng)結(jié)構(gòu)如圖1-2所示:圖1-2它主要由PID控制器和被控對(duì)象所組成。而PID控制器則由比例、積分、微分三個(gè)環(huán)節(jié)組成。它的數(shù)學(xué)描述為:式中,為比例系數(shù);為積分時(shí)間常數(shù):為微分時(shí)間常數(shù)。簡(jiǎn)單說(shuō)來(lái),PID控制器各校正環(huán)節(jié)的主要控制作用如下:1.比例環(huán)節(jié)即時(shí)成比例地反映控制系統(tǒng)的偏差信號(hào),偏差一旦產(chǎn)生,控制器立即產(chǎn)生控制作用,以減少偏差。2.積分環(huán)節(jié)主要用于消除靜差,提高系統(tǒng)的無(wú)差度。積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù),越大,積分作用越弱,反之則越強(qiáng)。3.微分環(huán)節(jié)能反映偏差信號(hào)的變化速率,并能在偏差信號(hào)值變得太大之前,在系統(tǒng)中

6、引入一個(gè)有效的早期修正信號(hào),從而加快系統(tǒng)的動(dòng)作速度,減少調(diào)節(jié)時(shí)間。PID控制器有如下特點(diǎn):原理簡(jiǎn)單,實(shí)現(xiàn)方便,是一種能夠滿(mǎn)足大多數(shù)實(shí)際需要的基本控制器;控制器能適用于多種截然不同的對(duì)象,算法在結(jié)構(gòu)上具有較強(qiáng)的魯棒性,在很多情況下,其控制品質(zhì)對(duì)被控對(duì)象的結(jié)構(gòu)和參數(shù)攝動(dòng)不敏感。三、基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器PID控制要取得好的控制效果,就必須對(duì)比例、積分和微分三種控制作用進(jìn)行調(diào)整以形成相互配合又相互制約的關(guān)系,這種關(guān)系是從變化無(wú)窮的非線性組合中找出最佳的關(guān)系。神經(jīng)網(wǎng)絡(luò)具有任意的非線性表示能力,可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)實(shí)現(xiàn)具有最佳組合的PID控制器。圖1-3B

7、P神經(jīng)網(wǎng)絡(luò)由于其具有逼近任意非線性函數(shù)的能力,而且結(jié)構(gòu)和學(xué)習(xí)算法簡(jiǎn)單明確,因此在神經(jīng)網(wǎng)絡(luò)控制中常采用BP網(wǎng)絡(luò)結(jié)構(gòu)來(lái)建立控制器。通過(guò)BP神經(jīng)網(wǎng)絡(luò)自身的學(xué)習(xí),從而可以找到某一最優(yōu)控制律下的參數(shù)?;贐P神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)如圖1-3所示,控制器由兩部分綴成:①經(jīng)典的控制器:直接對(duì)被控對(duì)象進(jìn)行閉環(huán)控制,并且三個(gè)參數(shù)為在線整定;②神經(jīng)網(wǎng)絡(luò)NN:根據(jù)系統(tǒng)的運(yùn)行狀態(tài)對(duì)應(yīng)于控制器的三個(gè)可調(diào)參數(shù),,。通過(guò)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、調(diào)整權(quán)系數(shù),從而使其穩(wěn)定狀態(tài)對(duì)應(yīng)于某種最優(yōu)控制律下的PID控制器參數(shù)。PID的控制算式為:式中,分別為比例、積分、微分系數(shù)。將看為依賴(lài)于系統(tǒng)運(yùn)行狀

8、態(tài)的可調(diào)系數(shù)時(shí),可將(3.12)式描述為:式中是與等

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶(hù)上傳,版權(quán)歸屬用戶(hù),天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶(hù)請(qǐng)聯(lián)系客服處理。