畢業(yè)設(shè)計(jì)-基于rbf神經(jīng)網(wǎng)絡(luò)電液伺服系統(tǒng)智能控制的在線辨識(shí)與pid參數(shù)自適應(yīng)整定(編輯修改稿)
2025-01-08 19:17 本頁面
【文章內(nèi)容簡介】 任一階導(dǎo)數(shù)均存在； ④ 由于該基函數(shù)表示簡單其解析性好，因而便于進(jìn)行理論分析。 RBF 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 ： ① 確定隱層個(gè)數(shù) L， m個(gè)徑向基函數(shù)的中心向量 c，基函數(shù)寬度 b，從隱層到輸出層的各連接權(quán) w。 ② 根據(jù)經(jīng)驗(yàn)選取中心， L個(gè)中心應(yīng)具有“代表性”。 ③ 采用梯度 下降法確定 RBFNN 的輸出權(quán) w，節(jié)點(diǎn)中心 c 及節(jié)點(diǎn)基寬度 b，選取算法如下： 式中： η 為學(xué)習(xí)速率， α 為動(dòng)量因子。 ? 說明：梯度下降法的缺點(diǎn)是容易陷入局部最優(yōu)值，收斂速度慢，針對(duì)這個(gè)問題，本課題采用改進(jìn)算法，變步長梯度下降法。 ? 解決方法：為了避免網(wǎng)絡(luò)初始訓(xùn)練值時(shí)穩(wěn)定性差，使訓(xùn)練的權(quán)值“跳”出局部最優(yōu)，改進(jìn)公式如下： ? 步長隨誤差的變化而自適應(yīng)調(diào)整： 當(dāng) ，本次誤差小于上次誤差，說明搜索方向正確，此時(shí)應(yīng)增大步長。 當(dāng) ，本次誤差大于上次誤差，此時(shí)應(yīng)減少步長，放慢搜索速度。 神經(jīng)網(wǎng)絡(luò)辨識(shí)技術(shù) 神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)實(shí)質(zhì)上是選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來逼近實(shí)際系統(tǒng)的數(shù)學(xué)模型。 系統(tǒng)辨識(shí)的原理就是通過調(diào)整辨識(shí)模型的結(jié)構(gòu)來使 e最小。 ? ? ? ? ? ? ? ?? ? ? ? ? ?? ?1 1 2j j m j j jw k w k y k y k h w k w k??? ? ? ? ? ? ? ?? ? ? ?? ? 23 jj m j jjxcb y k y k w hb?? ? ?? ? ? ? ? ? ? ?? ?? ?11 1 2j j j jb k b k b b k b k??? ? ? ? ? ? ? ?? ? ? ?? ? 2jjj m j jxcc y k y k w b?? ? ?? ? ? ? ? ? ? ?? ?1 1 2j j j j jc k c k c c k c k??? ? ? ? ? ? ? ?? ? ? ? ? ?? ?1 ekkk ek? ? ? ?? ? ?? ? ? ? ? ?1e k e k e k? ? ? ?? ? ? ? ? ?0, 1e k e k e k? ? ? ?? ? ? ? ? ?0, 1e k e k e k? ? ? ? 圖 41 神經(jīng)網(wǎng)絡(luò)辨識(shí)模型 在神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)中，神經(jīng)網(wǎng)絡(luò)用作辨識(shí)模型，將對(duì)象的輸入輸出狀態(tài) u，y看作神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)，以 J=1/2e2 作為網(wǎng)絡(luò)訓(xùn)練的目標(biāo)，則通過用一定的訓(xùn)練算法來訓(xùn)練網(wǎng)絡(luò)，使 J 足夠小，就可以達(dá)到辨識(shí)對(duì)象模型的目的。 本文采用基于高 斯函數(shù)的 RBF 神經(jīng)網(wǎng)絡(luò)辨識(shí)器，則網(wǎng)絡(luò)結(jié)構(gòu)如下： 圖 42 RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) RBFNN 隱層第 J個(gè)節(jié)點(diǎn)的中心矢量為， 。 設(shè) RBF神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)基寬向量為 , ,bj為隱層節(jié)點(diǎn) j的基寬度參數(shù)，且為大于零的數(shù)。 網(wǎng)絡(luò)的權(quán)向量為 ，辨識(shí)網(wǎng)絡(luò)輸出為， 設(shè)第 K時(shí)刻辨識(shí)系統(tǒng)的理論輸出為 y(k)，辨識(shí)網(wǎng)絡(luò)的輸出為 ym(k)，則辨識(shí)器的性能指標(biāo)為 對(duì) 象辨 識(shí) 模 型u yy?e 1 , 2 , . . . , 1 , 2 , 3 , ... ,Tj j j ji jnc c c c c i n??????1, 2,... TnB b b b?????1, 2 ,.. . ,.. . Tjnw w w w w??? ?? 1 1 2 2 ...m m my w h w h w h? ? ? ?? ? ? ?? ?21 12 mE y k y k?? PID 參數(shù)自適應(yīng)整定 圖 43 基于 RBF 神經(jīng)網(wǎng)絡(luò)整定 PID 控制框圖 PID 參數(shù)整定 采用增量式 PID 控制器，控制誤差為： PID 三個(gè)輸入為： 控制算法為： 神經(jīng)網(wǎng)絡(luò)整定指標(biāo)為 ， Kp ， Ki ， Kd 的調(diào)整采用梯度下降法。 式中， 可以通過神經(jīng)網(wǎng)絡(luò)的辨識(shí)而得，第 k 時(shí)刻的 可近似等 于 ，其中 X1是包含 u的一維向量，則 。 ( ) ( ) ( )e k ri n k you t k??(1) ( ) ( 1)xc e k e k? ? ?(2) ( )xc e k?( 3 ) ( ) 2 ( 1 ) ( 2)x c e k e k e k? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? ?? ?1 2 1 2p i du k u k k e k e k k e k k e k e k e k? ? ? ? ? ? ? ? ? ?? ? ? ?212E k e k?? ? ? ?1p ppE E y o u t u y o u tk e k x ck y o u t u k u? ? ?? ? ? ? ?? ? ? ? ? ?? ? ? ? ?? ? ? ?2i i iE E y o u t u y o u tk e k x ck y o u t u k u? ? ?? ? ? ? ?? ? ? ? ? ?? ? ? ? ?? ? ? ?3d d dE E y o u t u y o u tk e k x ck y o u t u k u? ? ?? ? ? ? ?? ? ? ? ? ?? ? ? ? ?youtu?? ? ?? ?yout kuk??? ?? ?ymout kuk? ? 1xu??? 所以 5．系統(tǒng)仿真 電液伺服控制系統(tǒng)本質(zhì)上是非線性系統(tǒng)，基于前章控制系統(tǒng)的建模。 RBFNN 的結(jié)構(gòu)選取 361， RBFNN 采用改進(jìn)的梯度下降法，網(wǎng)絡(luò)辨識(shí)三個(gè)輸入為： (u(k),yout(k),yout(k1))。 S=1表示輸入信號(hào)是 rin(k)=， S=2 表示輸入信號(hào) rin(k)=sgn(sin(2*pi*k))。系統(tǒng)仿真輸出如圖 51到圖 58。 圖 51 變步長梯度下降法下的輸入 控制器 輸出 0 0 . 2 0 . 4 0 . 6 0 . 8 1 1 . 2 1 . 4 1 . 6 1 . 8 21 0 . 8 0 . 6 0 . 4 0 . 200 . 20 . 40 . 60 . 81t i m e ( s )rin,yout? ?? ?? ?? ? ? ? ? ?21211e x p 2m jmjjjj jjxcwwh by o u t k y m o u t ku k u k u k u k???????????? ??? ? ?? ? ? ???? ?1121 12122m jjj mj jjjjj jcxw h xb c xwhu k b?????????? ?? ?? ? ? ?? ? 121 2m jjjj jcxy o u t k y m o u t k whu k u k b???? ?? ? 圖 52 變步長梯度下降法下的控制器輸出 RBF在線 辨識(shí)輸出比較 圖 53 變步長梯度下降法下 誤差值圖像 0 0 . 2 0 . 4 0 . 6 0 . 8 1 1 . 2 1 . 4 1 . 6 1 . 8 2 0 . 0 500 . 0 50 . 10 . 1 50 . 20 . 2 50 . 30 . 3 50 . 4t i m e ( s )jacobian value0 0 . 2 0 . 4 0 . 6 0 . 8 1 1 . 2 1 . 4 1 . 6 1 . 8 25051015202530t i m e ( s )yout,ymout 圖 54 變步長梯度下降法下的 Kp,Ki,Kd 輸出 圖 55 常規(guī) PID 控制器輸入 輸出 0 0 . 2 0 . 4 0 . 6 0 . 8 1 1 . 2 1 . 4 1 . 6 1 . 8
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1