關(guān) 閉

        新聞中心

        EEPW首頁 > 工控自動化 > 設(shè)計應(yīng)用 > 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器及仿真

        基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器及仿真

        作者: 時間:2010-05-13 來源:網(wǎng)絡(luò) 收藏

        1.引言
        (比例-積分-微分)作為最早實用化的已有50多年歷史,因其具有算法簡單、魯棒性好、可靠性高、直觀性好等優(yōu)點被廣泛的應(yīng)用于工業(yè)過程控制及運動控制中[1]。常規(guī)控制效果的優(yōu)劣,不僅僅取決于控制系統(tǒng)模型的精確程度,還必須調(diào)整好三個參數(shù)的關(guān)系,而這種關(guān)系不一定是簡單的線性組合。實際的工業(yè)過程及運動過程往往具有時變性、變參數(shù)、變結(jié)構(gòu)等不確定性及很強(qiáng)的非線性,精確的數(shù)學(xué)模型難以建立,此外,常規(guī)還有實現(xiàn)在線調(diào)整困難,參數(shù)間相互影響,參數(shù)整定時間長等缺點,難以取得理想的控制效果。
        隨著控制理論的發(fā)展,將應(yīng)用廣泛的PID與智能控制理論相結(jié)合[2]成為智能控制研究的新方向,算法具有逼近任意非線性表達(dá)能力,很強(qiáng)的自學(xué)習(xí)能力和概括推廣能力,在解決高度非線性和不確定系統(tǒng)方面有很大的的潛能,應(yīng)用,可以從復(fù)雜的PID三個參數(shù)組合中尋求最佳的線性組合,使和PID本質(zhì)結(jié)合。從而使得控制器具有較好的自適應(yīng)性,實現(xiàn)參數(shù)的自動實時調(diào)節(jié),適應(yīng)過程的變化,提高系統(tǒng)了的魯棒性和可靠性。
        2.神經(jīng)網(wǎng)絡(luò)
        2.1神經(jīng)網(wǎng)絡(luò)的構(gòu)成及設(shè)計[3]
        神經(jīng)網(wǎng)絡(luò)是一種具有三層或三層以上的神經(jīng)網(wǎng)絡(luò),包括輸入層、隱含層、輸出層,上下層之間實現(xiàn)全連接,而每層神經(jīng)元之間無連接。當(dāng)一對學(xué)習(xí)樣本提供給網(wǎng)絡(luò)后,神經(jīng)元的激活值從輸入層經(jīng)各中間層向輸出層傳播,在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。接下來,按照減少目標(biāo)輸出與實際誤差的方向,從輸出層經(jīng)過各中間層逐層修正各連接權(quán)值,最后回到輸入層,這種算法即BP算法。隨著這種誤差逆的傳播修正不斷進(jìn)行,網(wǎng)絡(luò)對輸入模式響應(yīng)的正確率也不斷上升。
        (1)輸入輸出層的設(shè)計
        輸入層的設(shè)計可以根據(jù)需要求解的問題和數(shù)據(jù)表示方式確定,若輸入信號為模擬波形,那么輸入層可以根據(jù)波形的采樣點數(shù)目撅腚輸入單元的維數(shù),也可以用一個單元輸入,這是輸入樣本為采樣的時間序列。輸出層的維數(shù)可以根據(jù)使用者的要求確定。如果BP網(wǎng)絡(luò)用作分類器,類別模式一共有m個,那么輸出層神經(jīng)元的個數(shù)為m或者
        (2)隱層的設(shè)計
        隱層單元的數(shù)目與問題的要求、輸入/輸出單元的數(shù)目都有直接的關(guān)系,隱單元的數(shù)目太多會導(dǎo)致學(xué)習(xí)時間過長、誤差不一定最佳,也會導(dǎo)致容錯性差、不能識別以前沒有的樣本等等,因此,一定存在一個最佳的隱單元數(shù),通常用以下三個公式來選擇最佳隱單元數(shù):
        1),其中k為樣本數(shù),n為輸入單元數(shù)。
        2),其中m為輸出神經(jīng)元數(shù),n為輸入單元數(shù),a為[1,10]之間的常數(shù)。
        3),其中n為輸入單元數(shù)。
        2.2 典型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        一個典型的三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示:

        本文引用地址:http://www.104case.com/article/163083.htm

        圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖


        其中: 、 、…、 為 BP網(wǎng)絡(luò)的輸入; 、 、…、 為 BP網(wǎng)絡(luò)的輸出,對應(yīng)PID控制器的三個參數(shù);為輸層到隱含層的連接權(quán)值;為隱含層到輸出層的連接權(quán)值。通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)的調(diào)整,使神經(jīng)網(wǎng)絡(luò)輸出對應(yīng)于某種最優(yōu)控制規(guī)律下的PID控制器參數(shù)。
        圖一中各參數(shù)之間的關(guān)系[4]如下:
        輸入層:

        隱含層:
        輸出層:
        取性能指標(biāo)為:,按照梯度下降法修正網(wǎng)絡(luò)的權(quán)值,使最小,修正方法如下:
        隱含層:
        輸出層:

        pid控制器相關(guān)文章:pid控制器原理



        上一頁 1 2 下一頁

        評論


        相關(guān)推薦

        技術(shù)專區(qū)

        關(guān)閉
        主站蜘蛛池模板: 乐昌市| 南宁市| 五华县| 洪洞县| 灵台县| 托克逊县| 方城县| 辽阳市| 广安市| 农安县| 边坝县| 台东县| 兴山县| 阳春市| 宝鸡市| 绵竹市| 奉节县| 新津县| 合江县| 许昌县| 土默特左旗| 房产| 南郑县| 乳山市| 武陟县| 北辰区| 新源县| 连平县| 杭锦后旗| 乌什县| 常熟市| 寿阳县| 东阿县| 苗栗县| 文昌市| 平凉市| 澳门| 大港区| 大竹县| 肃南| 乌拉特中旗|