控制系統(tǒng)仿真課程設(shè)計(jì)-單神經(jīng)元pid控制系統(tǒng)仿真-展示頁(yè)
2024-09-13 21:06本頁(yè)面
【正文】 ( ) ( )iiiK w k x k?? （ ） 即有： ()uk? = 1 2 3[ ( ) ( ) ( ) ( ) ( ) ( ) ]K w k e k w k e k w k e k?? （ ） e ∑ k 對(duì)象 1z? x1 x2 x3 u?x3 + + yout rin 試比較（ ）與（ ）可以看出 PID參數(shù)分別為1() P ITKw k K T?（積分系數(shù)），2() pKw k K? (比例系數(shù) )， 2 () DP TKw k K T? (微分系數(shù) )。設(shè)定輸入 ry 為給定值， y 為輸出值，經(jīng)狀態(tài)變換器轉(zhuǎn)換后成為神經(jīng)元學(xué)習(xí)控制所需的狀態(tài)量 1 2 3,x x x 。用神經(jīng)元實(shí)現(xiàn)的自適應(yīng) PID 控制器結(jié)構(gòu)框圖如圖 圖 單神經(jīng)元自適應(yīng) PID控制框圖 PID 控制算 法 如圖 ，狀態(tài)轉(zhuǎn)換器的輸入反映被控對(duì)象及控制設(shè)定的狀態(tài)。傳統(tǒng)的 PID 調(diào)節(jié)器也具有結(jié)構(gòu)簡(jiǎn)單、調(diào)整方便和參數(shù)整定與工程指標(biāo)聯(lián)系密切等特點(diǎn)。這種算法在模式識(shí)別，智能控制等許多領(lǐng)域得到廣泛應(yīng)用。此神經(jīng)網(wǎng)絡(luò)采用多層前向網(wǎng)絡(luò)。此外，神經(jīng)網(wǎng)絡(luò)的引入還是直接自適應(yīng)控制得以實(shí)現(xiàn)。 第 2章 控制系統(tǒng)的設(shè)計(jì) 神經(jīng)網(wǎng)絡(luò)在自適應(yīng)控制中具有突出的優(yōu)勢(shì)，它可以通過(guò)不斷地學(xué)習(xí)獲取有關(guān)對(duì)象的知識(shí)并適應(yīng)過(guò)程的變化。 Sfunction最廣泛的用途是定制用戶(hù)自己的 Simulink模塊。 S 函數(shù) SFunction 是一個(gè)動(dòng)態(tài)系統(tǒng)的計(jì)算機(jī)語(yǔ)言描述，在 MATLAB 里，用戶(hù)可以選擇用m 文件編寫(xiě)，也可以用 c 語(yǔ)言或 mex 文件編寫(xiě)，在這里只介紹如何用 m文件編寫(xiě)SFunction。是用于動(dòng)態(tài)系統(tǒng)和嵌入式系統(tǒng)的多領(lǐng)域仿真和基于模型的設(shè)計(jì)工具。 Simulink 是 MATLAB 中的一種可視化仿真工具， 是一種基于 MATLAB 的框圖設(shè)計(jì)環(huán)境，是實(shí)現(xiàn)動(dòng)態(tài)系統(tǒng)建模、仿真和分析的一個(gè)軟件包 .Simulink 可以用連續(xù)采樣時(shí)間、離散采樣時(shí)間或兩種混合的采樣時(shí)間進(jìn)行建模，它也支持多速率系統(tǒng)，也就是系統(tǒng)中的不同部分具有不同的采樣速率 .Simulinkamp。在新的版本中也加入了對(duì) C， FORTRAN， C++， JAVA 的支持。 ()iiy g ? (12) 式中， i? ——神經(jīng)元 i 的閾值。 1Ni ij j ijne t x?????? (11) ?? 2i? 2i? iN? ? i? iy 1x 2x Nx 此作用引起神經(jīng)元 i 的狀態(tài)變化，而神經(jīng)元 i 的輸出 yi是其當(dāng)前狀態(tài)的函 數(shù) g(?),稱(chēng)之為活化函數(shù)（ State of activation）。利用某種運(yùn)算把輸入信號(hào)的作用結(jié)合起來(lái)，給它們的總效果，稱(chēng)之為 “凈輸入 ”，用 i 來(lái)表示。 對(duì)人腦神經(jīng)元進(jìn)行抽象簡(jiǎn)化后得到一種稱(chēng)為 McCullochPitts 模型的人工神經(jīng)元，如圖 所示。以大規(guī)模并行處理為主要特征的神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)、記憶、聯(lián)想、容錯(cuò)、并行處理等能力，已在控制領(lǐng)域得到廣泛的應(yīng)用。 關(guān)鍵詞 : 單神經(jīng)元 ；自適應(yīng) PID 控制；神經(jīng)網(wǎng)絡(luò)； 第一章 前言 引言 人工神經(jīng)網(wǎng)絡(luò) ANN(artificial neural work)是 最近發(fā)展起來(lái)的十分熱門(mén)的交叉學(xué)科?；谝陨戏治?，在 PID控制中引入單神經(jīng)元自適應(yīng)算法，這樣既可以解決傳統(tǒng) PID控制器的不足，同時(shí)又能充分利用 PID控制技術(shù)成熟的優(yōu)勢(shì)。神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)作為新興發(fā)展的智能控制系統(tǒng)，能很好地解決上述問(wèn)題，已經(jīng)在很多領(lǐng)域得到應(yīng)用，同時(shí)也顯示了它 的優(yōu)越性。 內(nèi)蒙古科技大學(xué) 控制系統(tǒng)仿真課程設(shè)計(jì)說(shuō)明書(shū) 題 目：?jiǎn)紊窠?jīng)元 PID 控制系統(tǒng)仿真 學(xué)生姓名： 學(xué) 號(hào)： 專(zhuān) 業(yè)：測(cè)控技術(shù)與儀器 班 級(jí)： 指導(dǎo)教師： 中文摘要 PID控制以其原理簡(jiǎn)單，可靠性高等優(yōu)點(diǎn)被廣泛應(yīng)用在現(xiàn)代工業(yè)控制領(lǐng)域。 然而在工業(yè)實(shí)際控制中，被控對(duì)象往往還具有高度的非線性，不確定性和參數(shù)時(shí)變等特點(diǎn)，在這種情況下單純依靠 PID控制是不能達(dá)到要求的。 單神經(jīng)元作為構(gòu)成神經(jīng)網(wǎng)絡(luò)的基本單元，具有自學(xué)習(xí)和自適應(yīng)能力，且結(jié)構(gòu)簡(jiǎn)單而易于計(jì)算。 通 過(guò)仿真對(duì)比發(fā)現(xiàn)單神經(jīng)元自適應(yīng) PID控制器比傳
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1