淘气堡厂家
免费服务热线

Free service

hotline

010-00000000
淘气堡厂家
热门搜索:
行业资讯
当前位置:首页 > 行业资讯

基于BP神经网络的PID控制器及仿真

发布时间:2020-06-30 18:22:08 阅读: 来源:淘气堡厂家

1.引言 PID(比例-积分-微分)控制器作为最早实用化的控制器已有50多年历史,因其具有算法简单、鲁棒性好、可靠性高、直观性好等优点被广泛的应用于工业过程控制及运动控制中[1]。常规PID控制效果的优劣,不仅仅取决于控制系统模型的精确程度,还必须调整好三个参数的关系,而这种关系不一定是简单的线性组合。实际的工业过程及运动过程往往具有时变性、变参数、变结构等不确定性及很强的非线性,精确的数学模型难以建立,此外,常规PID还有实现在线调整困难,参数间相互影响,参数整定时间长等缺点,难以取得理想的控制效果。 随着控制理论的发展,将应用广泛的PID控制器与智能控制理论相结合[2]成为智能控制研究的新方向,神经网络算法具有逼近任意非线性表达能力,很强的自学习能力和概括推广能力,在解决高度非线性和不确定系统方面有很大的的潜能,应用神经网络,可以从复杂的PID三个参数组合中寻求最佳的线性组合,使神经网络和PID本质结合。从而使得控制器具有较好的自适应性,实现参数的自动实时调节,适应过程的变化,提高系统了的鲁棒性和可靠性。神经网络2.1BP神经网络的构成及设计[3] BP神经网络是一种具有三层或三层以上的神经网络,包括输入层、隐含层、输出层,上下层之间实现全连接,而每层神经元之间无连接。当一对学习样本提供给网络后,神经元的激活值从输入层经各中间层向输出层传播,在输出层的各神经元获得网络的输入响应。接下来,按照减少目标输出与实际误差的方向,从输出层经过各中间层逐层修正各连接权值,最后回到输入层,这种算法即BP算法。随着这种误差逆的传播修正不断进行,网络对输入模式响应的正确率也不断上升。(1)输入输出层的设计 输入层的设计可以根据需要求解的问题和数据表示方式确定,若输入信号为模拟波形,那么输入层可以根据波形的采样点数目撅腚输入单元的维数,也可以用一个单元输入,这是输入样本为采样的时间序列。输出层的维数可以根据使用者的要求确定。如果BP网络用作分类器,类别模式一共有m个,那么输出层神经元的个数为m或者。(2)隐层的设计 隐层单元的数目与问题的要求、输入/输出单元的数目都有直接的关系,隐单元的数目太多会导致学习时间过长、误差不一定最佳,也会导致容错性差、不能识别以前没有的样本等等,因此,一定存在一个最佳的隐单元数,通常用以下三个公式来选择最佳隐单元数:1),其中k为样本数,n为输入单元数。2),其中m为输出神经元数,n为输入单元数,a为[1,10]之间的常数。3),其中n为输入单元数。2.2 典型神经网络结构一个典型的三层神经网络结构如下图所示:

本文引用地址:

图1 BP神经网络结构图

其中: 、 、…、 为 BP网络的输入; 、 、…、 为 BP网络的输出,对应PID控制器的三个参数;为输层到隐含层的连接权值;为隐含层到输出层的连接权值。通过神经网络的自学习、加权系数的调整,使神经网络输出对应于某种最优控制规律下的PID控制器参数。 图一中各参数之间的关系[4]如下:输入层:

隐含层: 输出层: 取性能指标为:,按照梯度下降法修正网络的权值,使最小,修正方法如下:隐含层: 输出层: pid控制器相关文章:pid控制器原理

服装定做

东营订做西服

临沂订制劳保工服

相关阅读