基于某bp神經(jīng)網(wǎng)絡(luò)地地的應(yīng)用

《基于某bp神經(jīng)網(wǎng)絡(luò)地地的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、實用標準文案文章題目創(chuàng)新點自述創(chuàng)新點自述與摘要有一定的區(qū)別，作者應(yīng)把文章具體新在哪里，好在哪里寫出來，說明本文較前人工作有何創(chuàng)新，好的創(chuàng)新點自述能增加文章的可讀性，也能給評審人留下好的印象。精彩文檔實用標準文案基于BP神經(jīng)網(wǎng)絡(luò)的的應(yīng)用照片尺寸為20mm*30mm；最好不用紅色背景摘要：PID控制要取得較好的控制效果，就必須通過調(diào)整好比例、積分和微分三種控制的作用，形成控制量中既相互配合又相互制約的關(guān)系，這種關(guān)系不一定是簡單的“線性組合”，從變化無窮的非線性組合中可以找到最佳的。神經(jīng)網(wǎng)絡(luò)所具有的的任意非線性表達能力，可以通過對系統(tǒng)性能的學習來實現(xiàn)具有最佳線性組合的PI

2、D控制。采用BP網(wǎng)絡(luò)，可以建立參數(shù)，，自學習的PID控制器，并給出BP仿真實例。關(guān)鍵詞：PID；神經(jīng)網(wǎng)絡(luò)；BP網(wǎng)絡(luò)模型Doi：10.3969/j.issn.1006-7043.中圖分類號：（作者本人填寫）文獻標識碼：A文章編號：1006-7043(2006)xx-xxxx-xBasedontheapplicationofBPneuralnetworkAbstract：PIDcontroltoachievegoodcontroleffect,itmustbyadjustingtheproportional,integralanddifferentialthreecon

3、trolfunction,controlquantityinbothcooperatewitheachotherandmutualrestrictrelationship,thisrelationshipisnotnecessarilyasimplelinearcombination,fromtheendlessvarietyofnonlinearcombinationcanbefoundinthebest.Neuralnetworkwiththearbitrarynonlinearexpressiveness,canthroughthestudyoftheperf

4、ormanceofthesystemtoachievethebestlinearcombinationofPIDcontrol.ByusingBPnetwork,，，Self-learningPIDcontrollerwithBPsimulationexamplesarepresentedKeywords：PID;ANN;BP精彩文檔實用標準文案收稿日期：xxxx-xx-xx.基金項目：基金項目名稱（編號）.作者簡介：姓名(出生年-),性別,職稱,學位，E-mail（通信作者）；姓名(出生年-),性別,職稱,學位.通信作者：姓名(出生年-),性別,職稱,學位，E-m

5、ail（如不是作者簡介里的作者）.自從計算機進入控制領(lǐng)域以來，用數(shù)字計算機代替模擬計算機調(diào)節(jié)器組成計算機控制系統(tǒng)，不僅可以用軟件實現(xiàn)PID控制算法，而且還可以利用計算機的邏輯功能，使PID控制更加靈活。數(shù)字PID控制在生產(chǎn)過程中是一種最普遍采用的控制方法，在機電、冶金、機械、化工等行業(yè)中獲得了廣泛的應(yīng)用。將偏差比例（P）、積分（I）、和微分（D）通過現(xiàn)行組合構(gòu)成控制，對被控制對象進行控制，故稱PID控制器。BP網(wǎng)絡(luò)本質(zhì)上是一種由輸入到輸出的映射，它不需要任何輸入和輸出之間的精確數(shù)學表達式，只要用已知的輸入輸出數(shù)據(jù)加以訓(xùn)練，網(wǎng)絡(luò)就具有輸入與輸出之間的映射能力。BP算法

6、的關(guān)鍵在于隱含層的學習規(guī)則，而隱含層就相當于對輸入信息的一個特征抽取器。1基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制基于BP網(wǎng)絡(luò)的PID控制器由兩部分組成：（1）經(jīng)典的PID控制器，直接對被控制對象進行閉環(huán)控制，并且三個參數(shù)，，為在線調(diào)整方式。（2）神經(jīng)網(wǎng)絡(luò)，根據(jù)系統(tǒng)的運行狀態(tài)，調(diào)節(jié)PID控制器的參數(shù)，以期達到某種性能指標的最優(yōu)化，使輸出層神經(jīng)元的輸出狀態(tài)對于PID控制器的三個可調(diào)整參數(shù)，，通過神經(jīng)網(wǎng)絡(luò)的自學習、加權(quán)系數(shù)的調(diào)整，使神經(jīng)網(wǎng)絡(luò)輸出對應(yīng)于某種最優(yōu)空置率下的PID控制器參數(shù)。1.1仿真實例設(shè)被控制對象的近似數(shù)學模型為：式中，系數(shù)是慢時變的，學習速率和慣性系數(shù)加權(quán)系數(shù)初

7、始值取區(qū)間上的隨機數(shù)。輸入指令信號分為兩種:取S=1時為階躍跟蹤，初始權(quán)值取隨機值，運行穩(wěn)定后用穩(wěn)定權(quán)值代替隨機值。其結(jié)果如下圖精彩文檔實用標準文案圖1階躍響應(yīng)曲線Fig.1Title圖二跟蹤誤差曲線圖三參數(shù)自適應(yīng)整定曲線2結(jié)論經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)模型逼近效果好，跟蹤誤差能達到要求，通過自適應(yīng)調(diào)整和自學習的單神經(jīng)元自適應(yīng)智能PID控制器，不但結(jié)構(gòu)簡單而且能適應(yīng)環(huán)境變化，有較強的魯棒性。參考文獻:[1]劉金錕.先進PID控制MATLAB仿真[M].版本(第2版).附錄：仿真程序clearall;closeall;xite=0.20;alfa=0.05;s=1;I