基于bp神經(jīng)網(wǎng)絡(luò)的自校正pid控制研究-在線瀏覽
2025-01-08 23:02本頁面
【正文】 ,具有較好的泛化能力 .只要有足夠的隱層和隱節(jié)點數(shù) ,它可以逼近任意的非線性映射關(guān)系 .由上面的算法原理利用 MATLAB 源程序用多層前饋網(wǎng)絡(luò)和 BP 算法對其系統(tǒng)進行辨識仿真 ,設(shè)某兩輸入兩輸出的系統(tǒng)模型為 : Yp2(k+1)=[yp1(k)yp2(k)/(1+yp2(k))+u2(k)] Yp1(k+1)=[yp1(k)/(1+yp2(k)^2)+u1(k) 測試數(shù)據(jù)為 sin(pik/25), k≦ 250 U(k)=﹛ , 250k≦ 500 , 500k≦ 750 (pik/25)+(pik/32)+(pik/40),750k≦ 1000. 神經(jīng)網(wǎng)絡(luò)模型選 [3,3,1]結(jié)構(gòu) ,步長為 output1 與 output2 輸入信號和神經(jīng)網(wǎng)絡(luò)的輸出信號的仿真圖及誤差為 0 100 200 300 400 500 600 700 800 900 10001 0 . 500 . 51t i m e koutput10 500 1000 1500 2020 250000 . 0 20 . 0 40 . 0 6t i m e kmste1 圖 3 output1 輸入輸出信號及系統(tǒng)誤差的仿真圖 0 100 200 300 400 500 600 700 800 900 1000 0 . 500 . 5t i m e koutput20 500 1000 1500 2020 250000 . 0 20 . 0 40 . 0 60 . 0 8t i m e kmste2 圖 4 output1 輸入輸出信號及系統(tǒng)誤差的仿真圖 從以上四個仿真圖可以看出通過 BP 算法神經(jīng)網(wǎng)絡(luò)的輸出信號能夠以極小的誤差逼近輸入信號 .但是從以上系統(tǒng)的輸入輸出信號對比以及累積誤差曲線可以看出神經(jīng)網(wǎng)絡(luò)的 BP 算法具有收斂速度慢和容易陷入局部極值的缺點 .因此對以上 BP 算法進行改進引入動量項 ( 1 ) ( ) [ ( 1 ) ( ) ( 1 ) ]w k w k D k D k? ? ?? ? ? ? ? ? (23) () ()EDk wk???? 為 K 時刻的負梯度 . 其中 ,W 既可以是單個的權(quán)值也可以是權(quán)向量 , ? ＞ 0 為學習率 , 0≤ ? ＜ 1 為動量項因子 . 通過增加動量項有效的提高了神經(jīng)網(wǎng)絡(luò)的收斂速度 ,下面把經(jīng)過改進的 BP 算法與傳統(tǒng)的 PID 控制相結(jié)合 ,研究基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制器 . 3 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制原理 根據(jù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點可得到應(yīng)用在 PID 控制中的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為 : 圖 5 神經(jīng)網(wǎng)絡(luò) PID 控制結(jié)構(gòu)圖 從圖 5 中可以看出在傳統(tǒng)的 PID 控制中取神經(jīng)網(wǎng)絡(luò)的輸出分別為 PID 控制中的比例 ,積分 ,微分項時 ,就使得 BP 神經(jīng)網(wǎng)絡(luò)成為 PID 控制器的一部分 . PID 控制是一種負反饋控制。 一般來說 ,隨著 pk 的增大 ,系統(tǒng)的穩(wěn)態(tài)誤差減小 ,但是系統(tǒng)的穩(wěn)定性變差 ,而 pk 較小時 ,系統(tǒng)的調(diào)節(jié)時間較長 , pk 過大又會導系統(tǒng)不穩(wěn)定 。 ? ? ? ? ? ?)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(luò)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(quán)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(quán)值 基于 NN 的自校正 PID 控制結(jié)構(gòu)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(luò) RMNN,待神經(jīng)網(wǎng)絡(luò) RMNN 的權(quán)值固定后 ,將神經(jīng)元 PID 控制器與辨識器網(wǎng)絡(luò) 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(luò) RMNN 反向傳播得到的 ,所以辨識器網(wǎng)絡(luò) RMNN 實際上充當了誤差反向傳播的通道 ,為控制器網(wǎng)絡(luò)提供教師信號 . 4 仿真及分析 單神經(jīng)元自適應(yīng) PID 控制器仿真 設(shè)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(guān)推薦
鄂ICP備17016276號-1