單神經(jīng)元自適應(yīng)pid控制器實(shí)驗(yàn)報(bào)告

《單神經(jīng)元自適應(yīng)pid控制器實(shí)驗(yàn)報(bào)告》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、單神經(jīng)元自適應(yīng)PID控制器仿真實(shí)驗(yàn)報(bào)告一、實(shí)驗(yàn)?zāi)康?、熟悉單神經(jīng)元PID控制器的原理。2、通過實(shí)驗(yàn)進(jìn)一步掌握有監(jiān)督的Hebb學(xué)習(xí)規(guī)則及其算法仿真。二、實(shí)驗(yàn)內(nèi)容利用單神經(jīng)元實(shí)現(xiàn)自適應(yīng)PID控制器，對(duì)二階對(duì)象和正弦對(duì)象進(jìn)行控制，在MATLAB環(huán)境中進(jìn)行仿真。被控對(duì)象為y(k)=0.3y(k-1)+0.2y(k-2)+0.1u(k-1)+0.6u(k-2)三、實(shí)驗(yàn)原理1、單神經(jīng)元模型：圖1人工神經(jīng)元模型圖圖2Sigmoid人工神經(jīng)元活化函數(shù)單神經(jīng)元的McCulloch—Pitts模型如圖1，圖2所示。x1,x2,x3…xn是神經(jīng)元接收的信息，w1,w2,…為連接權(quán)值

2、。利用簡單的線性加權(quán)求和運(yùn)算把輸入信號(hào)的作用結(jié)合起來構(gòu)成凈輸入input=wjxj-θ。此作用引起神經(jīng)元的狀態(tài)變化，而神經(jīng)元的輸出v是其當(dāng)前狀態(tài)的激活函數(shù)。2、神經(jīng)經(jīng)網(wǎng)絡(luò)的有監(jiān)督Hebb學(xué)習(xí)規(guī)則學(xué)習(xí)規(guī)則是修改神經(jīng)元之間連接強(qiáng)度或加權(quán)系數(shù)的算法，使獲得的知識(shí)結(jié)構(gòu)適應(yīng)周圍環(huán)境的變化。兩個(gè)神經(jīng)元同時(shí)處于興奮狀態(tài)或同時(shí)處理抑制狀態(tài)時(shí)，它們之間的連接強(qiáng)度將得到加強(qiáng)，當(dāng)一個(gè)神經(jīng)元興奮而另一個(gè)抑制時(shí)，它們之間的連接強(qiáng)度就應(yīng)該減弱。這一論述的數(shù)學(xué)描述被稱為Hebb學(xué)習(xí)規(guī)則。在學(xué)習(xí)過程中，網(wǎng)絡(luò)根據(jù)實(shí)際輸出與期望輸出的比較，進(jìn)行聯(lián)接權(quán)系數(shù)的調(diào)整，將期望輸出稱導(dǎo)師信號(hào)是評(píng)價(jià)學(xué)習(xí)的標(biāo)

3、準(zhǔn)。這樣，就得到了有監(jiān)督的Hebb學(xué)習(xí)規(guī)則如果用oi表示單元i的輸出，oj表示單元j的輸出Wij表示單元j到單元i的連接加權(quán)系數(shù)，di表示網(wǎng)絡(luò)期望目標(biāo)輸出，η為學(xué)習(xí)速率，則神經(jīng)網(wǎng)絡(luò)有監(jiān)督的Hebb學(xué)習(xí)規(guī)則下式所示。?wijk=η[dik-oi(k)]oi(k)oj(k)(1)3.基于單神經(jīng)元的PID控制單神經(jīng)元控制系統(tǒng)的結(jié)構(gòu)如圖3所示。圖中轉(zhuǎn)換器的輸人為設(shè)定值r(k)和輸出y(k)，轉(zhuǎn)換器的輸出為神經(jīng)元學(xué)習(xí)所需要的狀態(tài)量x1,x2,x3,K為神經(jīng)元的比例系數(shù)。圖3單神經(jīng)元自適應(yīng)控制器結(jié)構(gòu)圖單神經(jīng)元自適應(yīng)控制器是通過對(duì)加權(quán)系數(shù)的調(diào)整來實(shí)現(xiàn)自適應(yīng)、自組織功能的，權(quán)

4、系數(shù)的調(diào)整是按有監(jiān)督的Hebb規(guī)則實(shí)現(xiàn)的?？刂萍捌鋵W(xué)習(xí)算法如下：uk=uk-1+Ki=13wi'(k)xi(k)wi'k=wi(k)/i=13wi(k)w1k=w1k-1+ηIz(k)u(k)x1(k)w2k=w2k-1+ηPz(k)u(k)x2(k)w3k=w3k-1+ηDz(k)u(k)x3(k)其中:x1k=e(k)x2k=ek-e(k-1)x3k=?2ekzk=e(k)ηIηPηD分別為積分、比例、微分的學(xué)習(xí)速率，K為神經(jīng)元的比例系數(shù)，K>0。四、實(shí)驗(yàn)步驟編寫程序?qū)崿F(xiàn)單神經(jīng)元的自適應(yīng)PID控制器，輸入信號(hào)為階躍信號(hào)和正弦信號(hào)。仿真圖例如下：五、實(shí)驗(yàn)結(jié)果

5、分析(1)初始加權(quán)系數(shù)w1(0)，w2(0)，w3(0)的選擇對(duì)輸出結(jié)果影響較大，若初始權(quán)值選擇不當(dāng)，可能導(dǎo)致系統(tǒng)不穩(wěn)定。而初始權(quán)值的選擇主要是依靠經(jīng)驗(yàn)。被控對(duì)象不同，w的大小也應(yīng)該不同。由于權(quán)值系數(shù)w1，w2，w3，分別相當(dāng)于積分系數(shù)、比例系數(shù)、微分系數(shù)?？扇∑錇镻ID的參數(shù)初值;(2)比例、積分、微分的學(xué)習(xí)速率ηIηPηD應(yīng)選擇不同的數(shù)值，以便對(duì)不同的權(quán)系數(shù)分別調(diào)節(jié)。可以簡單地根據(jù)整定的PID參數(shù)，來設(shè)置ηIηPηD，然后再根據(jù)響應(yīng)做微量的調(diào)整，基本就能滿足要求了。由于采用規(guī)范化學(xué)習(xí)算法，學(xué)習(xí)速率可以取得較大，并且仿真過程中發(fā)現(xiàn)，ηIηPηD。參數(shù)具有一定

6、的裕度，即在一定的范圍內(nèi)都有較好的控制效果。(3)增益K的選擇非常重要，如果K值偏大將引起系統(tǒng)響應(yīng)超調(diào)過大．而K值偏小則使過渡過程變長。因此，具體仿真時(shí)，我們是先根據(jù)經(jīng)驗(yàn)確定一個(gè)K的初值，再根據(jù)仿真結(jié)果來調(diào)整。另外調(diào)試時(shí)還發(fā)現(xiàn)，當(dāng)被控對(duì)象的延遲增大時(shí)．必須減小K值，否則易引起系統(tǒng)振蕩。