基于bp神經(jīng)網(wǎng)絡的自校正pid控制研究(完整版)
【正文】 ID 控制器的參數(shù)采用了與基于神經(jīng)網(wǎng)絡的模型參考自適應控制同樣的辦法，即利用 NN 辨識網(wǎng)絡充當反向傳播誤差 e(k)的通道，得到神經(jīng)元 PID 控制器的教師信號。( ) ( )Q Q Qpi pi pi pid x f s? ?? (12) 139。 以下是 BP 算法具體過程的算法原理 : 首先 ,從單神經(jīng)元模型的輸入輸出關系著手 圖 2 神經(jīng)元模型 由圖 2 神經(jīng)元模型設 : )( kiki sfx ? (1) ??? ?? 10 1kni kjkiki xws 1。 BP 算法是一種反向傳播算法 ,外部輸入的信號經(jīng)輸入層、隱含層的神經(jīng)元層得不到期望輸出 ,則轉入 誤差反向 向傳播過程 , 將實際值與網(wǎng)絡輸出值之間的誤差沿原來聯(lián)接的通路返回 ,通過修改各層神經(jīng)元的聯(lián)接權值 ,使誤差減少 ,然后再轉入正向傳播過程 ,反復迭代 ,直到誤差小于給定的值為止。 )()( knlk ilkpikpikpi wsf ?? ),2,1( kni ?? (14) 即 對于第 P 組輸入樣本，第 Q 層有 ,p p pi pjQ Q Q Qi j pi pj i jE E x sw x s w? ? ? ???? ? ? ? 1( ) ( )Q Q Qpi pi pi pjd x f s x ??? ? ? 1pi pjx? ??? , (15) ( ) ( )k Q Qp i p i p i p id x f s? ?? ? ?其中 . (16) 對于第 P 組輸入樣本，第 Q1 層有 1 1 11 1 1 1 1 11, , ,() Q Q Qnp p p i p p k p i p iQ Q Q Q Q Q Qki j p i i j p k p i p i i jE E x E s x sw x w s x s w? ? ?? ? ? ? ? ??? ? ? ? ? ? ???? ? ? ? ? ? ??1 2 1 21( ) ( )Qn Q Q Q Q Q Qp k k i p i p j p i p jk w f s x x??? ? ? ?? ?? ? ? ? ??, (17) 1111( ) ( )QnpQ Q Q Qp i p k k i p iQ kpiE w f ss????? ?? ?? ? ?? ?其中 (18) 由公式 (15) (17) (18)可見， BP 算法是反向遞推算法 . 從以上推 導 可以得到 BP 算法修正權值的三個關鍵 公式 : 1,k k ki j pj piwx?? ??? (9) 39。 ? ? ? ? ? ?)2()1(2)()()1()()( ?????????? kekekekkekkekekku dip)(kyc 神經(jīng)元 PID 控制器的教師信號為 322 1 ,( ) ( ) .jjje k e k w w?? ? 其中 ,j 為 RMNN 辨 識器網(wǎng)絡的中間層神經(jīng)元數(shù) 3jw 為 NN 的中間層神經(jīng)元到輸出層神經(jīng)元的連接權值 21,jw 為 NN 的輸入層神經(jīng)元到中間層神經(jīng)元的連接權值 基于 NN 的自校正 PID 控制結構圖為 : 圖 6 基于上圖的控制過程為 :首先 ,離線的訓練辨識器網(wǎng)絡 RMNN,待神經(jīng)網(wǎng)絡 RMNN 的權值固定后 ,將神經(jīng)元 PID 控制器與辨識器網(wǎng)絡 RMNN 串接離線的訓練神經(jīng)元 PID 控制器 .由于控制器的誤差信號不直接與對象相連 ,而是經(jīng)過神經(jīng)網(wǎng)絡 RMNN 反向傳播得到的 ,所以辨識器網(wǎng)絡 RMNN 實際上充當了誤差反向傳播的通道 ,為控制器網(wǎng)絡提供教師信號 . 4 仿真及分析 單神經(jīng)元自適應 PID 控制器仿真 設被控對象的近似數(shù)學模型為 : yout(k)=+++ 選用單神經(jīng)元 ,采用增加動量項的 BP算法 ,輸入信號為矩形波 ,得到單神經(jīng)元 PID控制器的仿真圖形 ,
公司管理相關推薦
鄂ICP備17016276號-1