基于bp神經(jīng)網(wǎng)絡(luò)的pid控制在主汽溫控制系統(tǒng)中的應(yīng)用(編輯修改稿)
2024-07-16 15:42 本頁面
【文章內(nèi)容簡(jiǎn)介】 絡(luò)，輸入神經(jīng)元以編號(hào)，隱含層神經(jīng)元以編號(hào)，輸出層神經(jīng)元以編號(hào)，計(jì)算公式如下：隱含層第個(gè)神經(jīng)元的輸入為： （26）第個(gè)神經(jīng)元的輸出為： （27）輸出層第個(gè)神經(jīng)元的輸入為： （28）相應(yīng)的輸出為： （29）式中，——函數(shù)，有： （210）式中， ——閥值或偏置值, ，則使S曲線沿橫坐標(biāo)左移，反之則右移。因此，各神經(jīng)元的輸出應(yīng)為 （211） （212）BP網(wǎng)絡(luò)學(xué)習(xí)中的誤差反向傳播過程是通過使一個(gè)目標(biāo)函數(shù)(實(shí)際輸出與希望輸出之間的誤差平方和)最小化完成的，可以利用梯度下降法導(dǎo)出計(jì)算公式[10]。學(xué)習(xí)過程中，設(shè)第個(gè)輸出神經(jīng)元的希望輸出為，而網(wǎng)絡(luò)輸出為，則系統(tǒng)平均誤差為： （213）略去下標(biāo)，式（213）可寫成 （214）式中，——目標(biāo)函數(shù)。示意圖如圖24所示，梯度下降學(xué)習(xí)算法總是在尋找坡度最大的地段向下滑行，當(dāng)它處于D位置時(shí)，沿最大坡度路線下降，到達(dá)局部最小點(diǎn)而G停止滑行。如果它是從A點(diǎn)開始向下滑行，則最終到達(dá)全局最小點(diǎn)B。 圖24 BP網(wǎng)絡(luò)梯度下降學(xué)習(xí)算法BP網(wǎng)絡(luò)的學(xué)習(xí)算法的步驟歸納如下：①?gòu)挠?xùn)練樣本集中取某一樣本，把它的輸入信息輸入到網(wǎng)絡(luò)中；②由網(wǎng)絡(luò)正向計(jì)算出各節(jié)點(diǎn)的輸出；③計(jì)算網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的誤差；④從輸出層起始反向計(jì)算到第一個(gè)隱層，按一定原則向減小誤差方向調(diào)整網(wǎng)絡(luò)的各個(gè)連接權(quán)值；⑤對(duì)訓(xùn)練樣本集合中的每一個(gè)樣本重復(fù)以上步驟，直到對(duì)整個(gè)訓(xùn)練樣本集合的誤差達(dá)到要求為止。如果通過網(wǎng)絡(luò)訓(xùn)練，BP網(wǎng)絡(luò)的輸出達(dá)到目標(biāo)要求后，網(wǎng)絡(luò)各節(jié)點(diǎn)之間的連接權(quán)值就確定下來了，我們就可以認(rèn)為BP網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)好了，我們就可以利用這個(gè)訓(xùn)練好的網(wǎng)絡(luò)對(duì)未知樣本進(jìn)行識(shí)別預(yù)測(cè)了。BP學(xué)習(xí)算法流程總結(jié)如圖25所示 ：圖25 BP學(xué)習(xí)算法流程圖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則即調(diào)整神經(jīng)網(wǎng)絡(luò)連接權(quán)值的規(guī)則。學(xué)習(xí)規(guī)則可以分為兩類：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。有監(jiān)督學(xué)習(xí)就是通過外部教師信號(hào)進(jìn)行學(xué)習(xí)，即要求同時(shí)給出輸入和正確的期望輸出的模式對(duì)，當(dāng)實(shí)際輸出結(jié)果與期望輸出有誤差時(shí)，網(wǎng)絡(luò)將通過自動(dòng)機(jī)制調(diào)節(jié)相應(yīng)的連接強(qiáng)度，使之向減少誤差的方向改變，經(jīng)過多次反復(fù)訓(xùn)練，最后與正確的結(jié)果相符合。 無監(jiān)督學(xué)習(xí)就是不需要外部教師信號(hào)，因而不能確切知道正確的反應(yīng)是什么，學(xué)習(xí)表現(xiàn)為自適應(yīng)于輸入空間的檢測(cè)規(guī)則。其學(xué)習(xí)過程表現(xiàn)為：給系統(tǒng)提供動(dòng)態(tài)輸入信號(hào)，以使各個(gè)單元以某種方式競(jìng)爭(zhēng)，獲勝的神經(jīng)元本身或相鄰域得到增強(qiáng)，其他神經(jīng)元進(jìn)一步抑制，從而將信號(hào)空間劃分為有用的多個(gè)區(qū)域。常見的學(xué)習(xí)規(guī)則為：①無監(jiān)督學(xué)習(xí)規(guī)則學(xué)習(xí)規(guī)則是一類相關(guān)學(xué)習(xí)，它的基本思想是：如果兩個(gè)神經(jīng)元同時(shí)被激活，則它們之間的連接強(qiáng)度的增強(qiáng)與它們激勵(lì)的乘積成正比。以表示單元的激活值，表示單元的激活值，表示單元到單元的激活值，則學(xué)習(xí)規(guī)則可用下式表示： （215） 其中，為學(xué)習(xí)速率，該公式表明兩神經(jīng)元之間連接權(quán)的變化量與它們的激活值相關(guān)。②有監(jiān)督的學(xué)習(xí)規(guī)則在學(xué)習(xí)規(guī)則中，引入教師信號(hào)，將式(215)中的換成目標(biāo)輸出與實(shí)際輸出之差，就組成了有監(jiān)督的學(xué)習(xí)規(guī)則： (216)即兩神經(jīng)元間連接強(qiáng)度的變化量與教師信號(hào)和網(wǎng)絡(luò)實(shí)際輸出信號(hào)之差成正比。③有監(jiān)督的學(xué)習(xí)規(guī)則將無監(jiān)督的學(xué)習(xí)和有監(jiān)督的學(xué)習(xí)兩者結(jié)合起來就可組成有監(jiān)督的學(xué)習(xí)規(guī)則，即： （217）采用學(xué)習(xí)和有監(jiān)督的學(xué)習(xí)相結(jié)合的學(xué)習(xí)策略，使神經(jīng)元通過關(guān)聯(lián)搜索對(duì)未知的外界作出反應(yīng)，即在教師信號(hào)的指導(dǎo)下，對(duì)環(huán)境信號(hào)進(jìn)行相關(guān)學(xué)習(xí)和自組織，使相應(yīng)的輸出增強(qiáng)或削弱。BP網(wǎng)絡(luò)的學(xué)習(xí)過程由正向和反向傳播兩部分構(gòu)成。正向傳播過程中，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元結(jié)構(gòu)，如果輸出層不能得到期望輸出，即期望輸出與實(shí)際輸出之間存在誤差時(shí)，就轉(zhuǎn)向反向傳播。反向傳播過程將誤差信號(hào)沿著原來路徑返回，通過不斷修正各層神經(jīng)元權(quán)值，逐次地向輸入層傳播進(jìn)行計(jì)算，修改之后的權(quán)值再經(jīng)過正向傳播，將期望輸出與實(shí)際輸出比較。這兩個(gè)過程不斷反復(fù)運(yùn)用，直到達(dá)到所設(shè)定的誤差值[14]。所以說，BP網(wǎng)絡(luò)是一個(gè)有導(dǎo)師的學(xué)習(xí)過程。 第3章 神經(jīng)網(wǎng)絡(luò)PID控制器的設(shè)計(jì)PID控制要取得好的控制效果，就必須通過調(diào)整好比例、積分和微分三種控制作用在形成控制量中相互配合又相互制約的關(guān)系，這種關(guān)系不一定是簡(jiǎn)單的“線性組合”，而是從變化無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?？梢酝ㄟ^對(duì)系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。采用BP神經(jīng)網(wǎng)絡(luò)，可以建立參數(shù)、自學(xué)習(xí)PID控制。 BP神經(jīng)網(wǎng)絡(luò)的PID控制神經(jīng)網(wǎng)絡(luò)PID控制，根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，調(diào)節(jié)PID控制器的參數(shù)，以其達(dá)到某種性能指標(biāo)的最優(yōu)化，即使輸出層神經(jīng)元的輸出狀態(tài)對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)、通過神經(jīng)網(wǎng)絡(luò)的自身學(xué)習(xí)、
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1