資源描述：
《基于bp神經(jīng)網(wǎng)絡(luò)pid控制系統(tǒng)的設(shè)計(jì)》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、《智能控制》課程論文基于BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)的設(shè)計(jì)成績(jī)：任課教師：班級(jí)：作者：上交時(shí)間：9一、神經(jīng)網(wǎng)絡(luò)PID控制器人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦神經(jīng)系統(tǒng)的模擬而建立起來(lái)的。它是由簡(jiǎn)單信息處理單元(人工神經(jīng)元，簡(jiǎn)稱(chēng)神經(jīng)元)互聯(lián)組成的網(wǎng)絡(luò)，能夠接受并處理信息。網(wǎng)絡(luò)的信息處理是由處理單元之間的相互作用(連接權(quán))來(lái)實(shí)現(xiàn)的。神經(jīng)網(wǎng)絡(luò)PID控制就是神經(jīng)網(wǎng)絡(luò)應(yīng)用于PID控制并與傳統(tǒng)PID控制相結(jié)合而產(chǎn)生的一種改進(jìn)型控制方法，是對(duì)傳統(tǒng)的PID控制的一種改進(jìn)和優(yōu)化。決定它們整體性的因素是由神經(jīng)網(wǎng)絡(luò)模型來(lái)控制的，而決定神經(jīng)網(wǎng)絡(luò)的整體性的因素則是由以下三個(gè)方面來(lái)控制：(1)神經(jīng)元(信息處理單元)的特性；(
2、2)神經(jīng)元之間相互連接的形式一拓?fù)浣Y(jié)構(gòu)；(3)為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。二、BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與分析在進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)之前，一般應(yīng)從網(wǎng)絡(luò)的層數(shù)、每層的神經(jīng)元個(gè)數(shù)、初始值及學(xué)習(xí)方法等方面來(lái)考慮。下面分析BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特征，為RP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)的編稗建立基礎(chǔ)。(1)網(wǎng)絡(luò)的層數(shù)理論證明：具有偏差和至少一個(gè)S型隱含層加上一個(gè)線(xiàn)性輸出層網(wǎng)絡(luò)，能夠逼迸任何有理函數(shù)。初步選定BP神經(jīng)網(wǎng)絡(luò)的層數(shù)為三層(輸入層、隱含層和輸出層)來(lái)擬合對(duì)象模型。如三層神經(jīng)元網(wǎng)絡(luò)不滿(mǎn)足時(shí)，再考慮增加隱含層的神經(jīng)元數(shù)。(2)每層神經(jīng)元個(gè)數(shù)的確定輸入層和輸出層神經(jīng)元個(gè)數(shù)一般根據(jù)實(shí)際所需要求解的問(wèn)題來(lái)
3、確定，本文所研究的對(duì)象是雙輸入雙輸出，但考慮到兩個(gè)BP神經(jīng)網(wǎng)絡(luò)來(lái)輸出PID參數(shù)，所以．兩個(gè)BP神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元個(gè)數(shù)都為1，輸出神經(jīng)元個(gè)數(shù)都為3。目前，對(duì)BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的確定尚無(wú)理論指導(dǎo)，一般采用試湊法，即設(shè)定相同的誤差目標(biāo)，對(duì)不同的神經(jīng)元數(shù)進(jìn)行訓(xùn)練，通過(guò)比較各個(gè)網(wǎng)絡(luò)的收斂時(shí)間及預(yù)測(cè)誤差來(lái)選取一個(gè)相對(duì)理想的隱含層神經(jīng)元數(shù)。(3)激活函數(shù)的確定激活函數(shù)是一個(gè)神經(jīng)網(wǎng)絡(luò)的核心。本文隱層采用s型激活函數(shù)，輸出層采用線(xiàn)性激活函數(shù)。(4)初始權(quán)值的確定由于系統(tǒng)是非線(xiàn)性的，初始值與網(wǎng)絡(luò)的學(xué)習(xí)是否達(dá)到局部最小、能否能夠收斂以及訓(xùn)練時(shí)間的長(zhǎng)短的關(guān)系很大。取初始值在(-1，1)之間的隨機(jī)
4、數(shù)。(5)期望誤差的選取在設(shè)計(jì)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，期望誤差也應(yīng)當(dāng)通過(guò)對(duì)比訓(xùn)練確定一個(gè)合適的值。一般情況下，作為對(duì)比，可以同時(shí)對(duì)兩個(gè)不同期望誤差值的網(wǎng)絡(luò)函數(shù)進(jìn)行訓(xùn)練，最后考慮綜合因素來(lái)確定其中的一個(gè)網(wǎng)絡(luò)。三、BP網(wǎng)絡(luò)的結(jié)構(gòu)及算法1、神經(jīng)網(wǎng)絡(luò)的前向計(jì)算前向計(jì)算是在網(wǎng)絡(luò)各神經(jīng)元的活化函數(shù)和連接強(qiáng)度都確定情況下進(jìn)行的。以具有所個(gè)輸入、9個(gè)隱含節(jié)點(diǎn)、，．個(gè)輸出的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為例，按逐個(gè)輸入法依次輸入樣本，則BP神經(jīng)網(wǎng)絡(luò)輸入層的輸出為：隱含層第i個(gè)神經(jīng)元的輸入、輸出可寫(xiě)成：9輸出，將通過(guò)加權(quán)系數(shù)向前傳播到第個(gè)神經(jīng)元作為它的輸入之一，而輸出層的第個(gè)神經(jīng)元的總輸入為：輸出層的第L個(gè)神經(jīng)元的
5、總輸出為：對(duì)于以上四式，一般應(yīng)用中，活化函數(shù)f(x)取單極性Sigmoid函數(shù)或雙極性Sigmoid函數(shù)，其數(shù)學(xué)表達(dá)式分別為：式中：參數(shù)只表示閥值。在神經(jīng)網(wǎng)絡(luò)的正常工作期間，上面的過(guò)程即完成了一次前向計(jì)算，而若是在學(xué)習(xí)階段，則要將輸出值和樣本輸出值之差回送，以調(diào)整加權(quán)系數(shù)。2、神經(jīng)網(wǎng)絡(luò)的誤差反向傳播和加權(quán)系數(shù)的調(diào)整在前向計(jì)算中，若實(shí)際輸出，與理想輸出，不一致，就要將其誤差信號(hào)從輸出端反向傳播回來(lái)，并在傳播過(guò)程中對(duì)加權(quán)系數(shù)不斷修正，使輸出層神經(jīng)元上得到所需要的期望輸出，為止。當(dāng)網(wǎng)絡(luò)輸出與期望輸出不等時(shí)，存在輸出誤差E，定義如下：將以上誤差定義式展開(kāi)至隱層，有9進(jìn)一步展開(kāi)至輸入層，有
6、由以上可以看出，網(wǎng)絡(luò)輸入誤差是各層權(quán)值，打的函數(shù)，因此調(diào)整權(quán)值可以改變誤差E。顯然，調(diào)整權(quán)值的原則是使誤差不斷地減小，因此應(yīng)使權(quán)值的調(diào)整量與誤差的負(fù)梯度成正比，即：式中負(fù)號(hào)表示梯度下降，常數(shù)表示比例系數(shù)，在訓(xùn)練中反映了學(xué)習(xí)速率。由此也可以看出BP網(wǎng)絡(luò)的學(xué)習(xí)算法是學(xué)習(xí)規(guī)則類(lèi)，這類(lèi)算法常被稱(chēng)為誤差的梯度下降(GradientDescent)算法。以上兩式僅是對(duì)權(quán)值調(diào)整思路的數(shù)學(xué)表達(dá)，而不是具體的權(quán)值調(diào)整計(jì)算式。下面推導(dǎo)三層BP網(wǎng)絡(luò)權(quán)值的調(diào)整計(jì)算式。事先約定，隱含層及輸出層的傳遞函數(shù)均為單極性Sigmoid函數(shù)，且在全部推導(dǎo)過(guò)程中，對(duì)輸出層均有對(duì)于輸出層均有，對(duì)于輸出層，上式可寫(xiě)為(3
7、.12)對(duì)于隱含層，上式可寫(xiě)為對(duì)輸出層和隱含層各定義一個(gè)誤差信號(hào)，令9綜合應(yīng)用式(3.10)和(3.11)，可將式(3.13)權(quán)值調(diào)整式改寫(xiě)為綜合應(yīng)用式(3.13)和(3.15)，可將式(3.11)的權(quán)值調(diào)整式改寫(xiě)為可以看出，只要計(jì)算出式中的誤差信號(hào)群，權(quán)值調(diào)整量的計(jì)算推導(dǎo)即可完成。下面繼續(xù)推導(dǎo)如何求群和掣。對(duì)于輸出層，群可展開(kāi)為：(3.18)下面求式(中網(wǎng)絡(luò)誤差對(duì)各層輸出的偏導(dǎo)。對(duì)于輸出層，利用式可得：對(duì)于隱含層，利用式，可得可得：至此兩個(gè)誤差信號(hào)的推導(dǎo)已完成，得到三層BP網(wǎng)絡(luò)
