神經(jīng)網(wǎng)絡(luò)在雙容水箱液位控制系統(tǒng)中的應(yīng)用畢業(yè)論文-資料下載頁(yè)
2025-06-28 15:35本頁(yè)面
【正文】 箱液位系統(tǒng)進(jìn)行控制時(shí)，此系統(tǒng)的超調(diào)量為15%。相比于前兩種控制方法均有改善。 小結(jié)由上面對(duì)不同控制方案在雙容水箱液位控制仿真得到的數(shù)據(jù)中可以看出，采用傳統(tǒng)控制器對(duì)雙容水箱液位控制系統(tǒng)進(jìn)行控制時(shí)，其超調(diào)量為36%左右；采用神經(jīng)網(wǎng)絡(luò)對(duì)雙容水箱液位進(jìn)行控制時(shí)，系統(tǒng)大約在階躍輸入3秒后穩(wěn)定，且系統(tǒng)的超調(diào)量為25%左右。當(dāng)采用神經(jīng)網(wǎng)絡(luò)控制器對(duì)雙容水箱液位進(jìn)行控制時(shí)，且超調(diào)量為15%左右?？梢宰C明神經(jīng)網(wǎng)絡(luò)控制器大大提高了該系統(tǒng)的反應(yīng)速度并減小了其超調(diào)量，很好的減小容量滯后對(duì)控制系統(tǒng)的影響。通過(guò)本次論文的理論研究及仿真，使我了解并掌握了雙容水箱液位控制系統(tǒng)是一個(gè)典型的非線性、大滯后、強(qiáng)耦合的不易控制系統(tǒng)。同時(shí)也知道了對(duì)于雙容水箱液位控制系統(tǒng)的研究也是對(duì)多容控制系統(tǒng)研究的基礎(chǔ)，越來(lái)越多的學(xué)者以此為研究對(duì)象進(jìn)行研究，以尋求出更好的控制方案。通過(guò)實(shí)驗(yàn)研究及仿真，對(duì)比發(fā)現(xiàn)本文用到的三種控制方案，控制器、神經(jīng)網(wǎng)絡(luò)控制器、神經(jīng)網(wǎng)絡(luò)控制器都可以達(dá)到控制雙容水箱液位穩(wěn)定于設(shè)定值的要求。但比較來(lái)看，可以發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)無(wú)論在控制快速性還是穩(wěn)定性都具有優(yōu)勢(shì)。論文中對(duì)雙容水箱模型進(jìn)行提煉時(shí)簡(jiǎn)化了許多次要的影響因素，如閥門(mén)開(kāi)關(guān)的時(shí)間、上下水箱液位檢測(cè)的誤差值及信號(hào)的傳輸時(shí)間等。在實(shí)際控制系統(tǒng)中此控制方案還需細(xì)化和處理才能達(dá)到理想的控制效果。而且對(duì)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)在應(yīng)用中還具有一些缺點(diǎn)如容易形成局部最小而得不到全局最、訓(xùn)練次數(shù)多、學(xué)習(xí)效率低，收斂速度慢、隱層節(jié)點(diǎn)數(shù)目的選取缺乏理論指導(dǎo)等。針對(duì)神經(jīng)網(wǎng)絡(luò)的這些缺點(diǎn)，目前控制理論研究界的專(zhuān)家及學(xué)者已經(jīng)研究出來(lái)了許多切實(shí)有效的改進(jìn)辦法，其中最常用的有增加動(dòng)量項(xiàng)、自適應(yīng)調(diào)節(jié)學(xué)習(xí)率、引入陡度因子三種。這些辦法的引入與提出會(huì)使神經(jīng)網(wǎng)絡(luò)得到有效的改善與提高。本文在對(duì)于類(lèi)似于雙容水箱這種大滯后、非線性、不確知、不確定的控制系統(tǒng)采用了神經(jīng)網(wǎng)絡(luò)控制器的控制方法來(lái)進(jìn)行控制。從仿真研究可知神經(jīng)網(wǎng)絡(luò)控制可以取得較傳統(tǒng)控制方法而言更好的控制效果，因此神經(jīng)網(wǎng)絡(luò)控制方法會(huì)在以后各種高階不易控制的系統(tǒng)中具有越來(lái)越多的應(yīng)用。參考文獻(xiàn)[1]易繼鍇，候媛彬.《智能控制技術(shù)》.[2]李國(guó)勇.《智能控制及其MATLAB實(shí)現(xiàn)》.[3]韋魏，何衍.《智能控制基礎(chǔ)》.[4]韓力群.《智能控制理論及應(yīng)用》.[5]韋魏.《智能控制技術(shù)》.[6]瞿亮.《基于MATLAB的控制系統(tǒng)計(jì)算機(jī)仿真》.清華大學(xué)出版社；[7]居滋培.《過(guò)程控制系統(tǒng)及其應(yīng)用》.[8]任彥碩，趙一丁.《自動(dòng)控制系統(tǒng)》.[9]Eighth Control Systems..[10]候濤.《神經(jīng)PID控制在雙容水箱液位控制的實(shí)驗(yàn)研究》，載《蘭州交通大學(xué)學(xué)報(bào)》，第28卷，～第43頁(yè).[11]余曉紅.《BP神經(jīng)網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)及討論》，載《浙江交通職業(yè)技術(shù)學(xué)院學(xué)報(bào)》，第8卷，～第48頁(yè).[12]張秀艷，陶國(guó)彬，劉慶強(qiáng).《基于Simuliik的BP神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)研究》，載《佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版）》，第25卷，～第589頁(yè).[13]李欣.《神經(jīng)網(wǎng)絡(luò)控制在液位控制系統(tǒng)中的仿真研究》，載《太原理工大學(xué)學(xué)報(bào)》,第587頁(yè)～第589頁(yè).[14]張圣楠，郭文義，肖力墉.《基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練》，載《內(nèi)蒙古科學(xué)與經(jīng)濟(jì)》.第95頁(yè)～第98頁(yè).[15]陶長(zhǎng)遠(yuǎn)《基于虛擬樣機(jī)倒立擺的控制系統(tǒng)研究 》[學(xué)位論文]，2010年 西安電子科技大學(xué)[16]. Ha gan, H. B. D e mut h. Neura l Net work D esi g n . P WS publ i shi ng co mp a ny[ J] . Bo st o n , 1996 : 67.[17]桂現(xiàn)才.《BP神經(jīng)網(wǎng)絡(luò)在MATLAB上的實(shí)現(xiàn)與應(yīng)用》，載《湛江師范學(xué)院學(xué)報(bào)》，～第83頁(yè).[18]劉金琨. 《先進(jìn)P ID 控制及其 M A T L A B 仿真》 .電子工業(yè)出版社, 2003 .[19] Yoshihiro Ohnishi,Talik K Gravel．A new type neural network PID control for nonlinear plants control．IEEE Trans on Neural Networks,2003。11(4):495－506 [20] CHO G B KIM P H. A precise control of AC servo motor using neural network PID controller J．Current Science,2005,89（1）：23－29． [21] MARABA V A KUZUCUOGLU A E． Speed control of an asynchronous motor using PID neural network J ． Studies in Informatics and Control ， 2011 ， 20 （3 ）：199－208． [22]勞深,付凱波,高國(guó)章.《雙容水箱液位控制系統(tǒng)的設(shè)計(jì)》載《交通科技》～第162頁(yè). [23]任安坤.《基于 BP 神經(jīng)網(wǎng)絡(luò)的PID 控制在反應(yīng)釜溫度控制中的應(yīng)用》載《中國(guó)科技信息》.2010年第6期. [24]張彬《小車(chē)倒立擺系統(tǒng)擺起與穩(wěn)定控制研究 》[學(xué)位論文]，青島2009年。附 錄神經(jīng)網(wǎng)絡(luò)的訓(xùn)練程序：p=[0::1]。t=(5*(18*p.*p+*p+1).^1)。n=5。net=newff(minmax(p),[n 1],{39。tansig39。,39。purelin39。},39。trainlm39。)。y1=sim(net,p)。=9000。=。net=train(net,p,t)。y2=sim(net,p)。figure。plot(p,y2,39。)。title(39。誤差跟蹤曲線39。)。xlabel(39。訓(xùn)練誤差（萬(wàn)次）39。)。ylabel(39。誤差39。)。grid on神經(jīng)網(wǎng)絡(luò)訓(xùn)練程序：P= 1::1。T=[ ]。plot(P,T,’k’)。net = newcf(minma x( P) , [1, 2, 1] , {‘logsig’,’tansig’,‘purelin’} ,‘traingdx’) 。 = 10000。 = [net, tr]= train( net , P, T) 。 Y= sim(net , P) 。 35
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1