基于bp神經(jīng)網(wǎng)絡(luò)的自校正pid控制研究-免費閱讀
【正文】 11( ) ( ) ( 1 ( ) ) ( 1 ( ) )12xxef x f x f x f xe ???? ? ? ??當(dāng) 時, 則 11( ) ( 1 ( ) ) ( 1 ( ) ) ( ) ( 1 ) ( 1 )22Q Q k k Q k kp j p j p j p j p j p j p j p j p jd x f s f s d x x x? ? ? ? ? ? ? ? ? (21) 111 1 1 1..( 1 ( ) ) ( 1 ( ) ) ( ) ( 1 ) ( 1 ) ( )kknnk k k k k k k k kp j p j p j p l j l p j p j p l j lllf s f s w x x w? ? ???? ? ? ???? ? ? ? ? ??? (22) 綜上 ,BP 算法屬于全局逼近算法 ,具有較好的泛化能力 .只要有足夠的隱層和隱節(jié)點數(shù) ,它可以逼近任意的非線性映射關(guān)系 .由上面的算法原理利用 MATLAB 源程序用多層前饋網(wǎng)絡(luò)和 BP 算法對其系統(tǒng)進(jìn)行辨識仿真 ,設(shè)某兩輸入兩輸出的系統(tǒng)模型為 : Yp2(k+1)=[yp1(k)yp2(k)/(1+yp2(k))+u2(k)] Yp1(k+1)=[yp1(k)/(1+yp2(k)^2)+u1(k) 測試數(shù)據(jù)為 sin(pik/25), k≦ 250 U(k)=﹛ , 250k≦ 500 , 500k≦ 750 (pik/25)+(pik/32)+(pik/40),750k≦ 1000. 神經(jīng)網(wǎng)絡(luò)模型選 [3,3,1]結(jié)構(gòu) ,步長為 output1 與 output2 輸入信號和神經(jīng)網(wǎng)絡(luò)的輸出信號的仿真圖及誤差為 0 100 200 300 400 500 600 700 800 900 10001 0 . 500 . 51t i m e koutput10 500 1000 1500 2020 250000 . 0 20 . 0 40 . 0 6t i m e kmste1 圖 3 output1 輸入輸出信號及系統(tǒng)誤差的仿真圖 0 100 200 300 400 500 600 700 800 900 1000 0 . 500 . 5t i m e koutput20 500 1000 1500 2020 250000 . 0 20 . 0 40 . 0 60 . 0 8t i m e kmste2 圖 4 output1 輸入輸出信號及系統(tǒng)誤差的仿真圖 從以上四個仿真圖可以看出通過 BP 算法神經(jīng)網(wǎng)絡(luò)的輸出信號能夠以極小的誤差逼近輸入信號 .但是從以上系統(tǒng)的輸入輸出信號對比以及累積誤差曲線可以看出神經(jīng)網(wǎng)絡(luò)的 BP 算法具有收斂速度慢和容易陷入局部極值的缺點 .因此對以上 BP 算法進(jìn)行改進(jìn)引入動量項 ( 1 ) ( ) [ ( 1 ) ( ) ( 1 ) ]w k w k D k D k? ? ?? ? ? ? ? ? (23) () ()EDk wk???? 為 K 時刻的負(fù)梯度 . 其中 ,W 既可以是單個的權(quán)值也可以是權(quán)向量 , ? ＞ 0 為學(xué)習(xí)率 , 0≤ ? ＜ 1 為動量項因子 . 通過增加動量項有效的提高了神經(jīng)網(wǎng)絡(luò)的收斂速度 ,下面把經(jīng)過改進(jìn)的 BP 算法與傳統(tǒng)的 PID 控制相結(jié)合 ,研究基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制器 . 3 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制原理 根據(jù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點可得到應(yīng)用在 PID 控制中的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為 : 圖 5 神經(jīng)網(wǎng)絡(luò) PID 控制結(jié)構(gòu)圖 從圖 5 中可以看出在傳統(tǒng)的 PID 控制中取神經(jīng)網(wǎng)絡(luò)的輸出分別為 PID 控制中的比例 ,積分 ,微分項時 ,就使得 BP 神經(jīng)網(wǎng)絡(luò)成為 PID 控制器的一部分 . PID 控制是一種負(fù)反饋控制。,2,1 ?? (2) 其中 kix 為閾值 , kijw 為連接權(quán)值 , (.)f 為輸出變換函數(shù) 。 基于 BP 神經(jīng)網(wǎng)絡(luò)的自校正 PID 控制研究 摘 要 : 基于 反向傳播 BP 算法 的神經(jīng)網(wǎng)絡(luò)具有很強的學(xué)習(xí)能力 ,適應(yīng)能力 .本文詳細(xì)敘述了BP算法的原理 ,并將改進(jìn)的 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在傳統(tǒng)的 PID控制中 ,克服了 PID控制在參數(shù)的調(diào)整過程中對于系統(tǒng)模型過分依賴的缺點 .利用 MATLAB 仿真的結(jié)果表明基于 BP 神經(jīng)網(wǎng)絡(luò)的
公司管理相關(guān)推薦
鄂ICP備17016276號-1