基于BP神經(jīng)網(wǎng)絡(luò)的參數(shù)自整定PID控制器仿真研究

《基于BP神經(jīng)網(wǎng)絡(luò)的參數(shù)自整定PID控制器仿真研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、萬(wàn)方數(shù)據(jù)基于BP神經(jīng)網(wǎng)絡(luò)的參數(shù)自整定PID控制器仿真研究文覃編號(hào)：1003-5850(2008)03—0008—03?；贐P神經(jīng)網(wǎng)絡(luò)的參數(shù)自整定PID控制器仿真研究ResearchonSimulationofSelf—tuningPIDControllerbasedonBPNeuralNetwork都麗娜張國(guó)鈞(太原理工大學(xué)信息學(xué)院太原030024)【摘要】PID控制是迄今為止在過(guò)程控制中應(yīng)用最為廣泛的控制方法，但在實(shí)際應(yīng)用中，其參數(shù)整定仍未得到較好的解決。把神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用在PID控制中，充分利用神經(jīng)網(wǎng)絡(luò)具有非線性函數(shù)逼近能力，構(gòu)造神經(jīng)網(wǎng)絡(luò)PID自整定控

2、制器，并通過(guò)MATLAB仿真試驗(yàn)，取得較好的效果。【關(guān)鍵詞】PID，自整定，BP神經(jīng)網(wǎng)絡(luò)，仿真中圖分類(lèi)號(hào)：TPll8文獻(xiàn)標(biāo)識(shí)碼：AABSTRACTPIDcontrollersareusedwidelyintheprocesscontr01．TuningofPIDparametersisremainedtosolve．NN(NeuralNetwork)techniqueisappliedtOthePIDcontrolinthispaperbytheuseofcapabilityofnonlinearfunctionapproximationtoformasel

3、f—tuningPIDcontrollerbasedonNN，whichgetsagoodeffectthroughaMATLABsimulatedexperiment．KEYWORDSPID，self-tuning；BackPropagationNeuralNetwork，simulation前向網(wǎng)絡(luò)是目前研究最多的網(wǎng)絡(luò)形式之一，它具備分層結(jié)構(gòu)，每層神經(jīng)元之間有從輸入到達(dá)輸出的前向連接權(quán)，同層神經(jīng)元以及隔層神經(jīng)元之間無(wú)連接。根據(jù)神經(jīng)元的激勵(lì)函數(shù)與求和方式不同，有不同的網(wǎng)絡(luò)形式，其中最典型的是BP網(wǎng)絡(luò)‘1

4、。1控制系統(tǒng)結(jié)構(gòu)分析基于BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)

5、結(jié)構(gòu)如圖1所示啪。圖1基于BP神經(jīng)網(wǎng)絡(luò)的PI【．)控制系統(tǒng)其中，控制器由兩個(gè)部分組成L3]：①PID控制器：直接對(duì)被控對(duì)象進(jìn)行閉環(huán)控制，并且參數(shù)kp,ki、幻為在線調(diào)整方式。②神經(jīng)網(wǎng)絡(luò)：根據(jù)系統(tǒng)運(yùn)行狀態(tài)，調(diào)節(jié)PID控制器的參數(shù)，以期達(dá)到某種性能指標(biāo)的最優(yōu)化，使輸出層神經(jīng)網(wǎng)絡(luò)輸出狀態(tài)對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)志"k。、k。。通過(guò)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)調(diào)整、使神經(jīng)網(wǎng)絡(luò)輸出對(duì)應(yīng)于某種最優(yōu)控制律下的PID控制器。*2007—10—12收到，2008一01—08改回**郝麗娜，女，1977年生，碩士，研究方向：計(jì)算機(jī)控制技術(shù)。2神經(jīng)網(wǎng)絡(luò)控制器及辨識(shí)器算法2．

6、1神經(jīng)網(wǎng)絡(luò)控制器(NNC)算法設(shè)網(wǎng)絡(luò)有M個(gè)輸入節(jié)點(diǎn)，Q個(gè)隱層節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)，則網(wǎng)絡(luò)的輸人為‰s

7、：F’=z(．『)(．『=1，2，L?，M)(1)網(wǎng)絡(luò)隱含層的輸入、輸出為：Mnet‘,2’(志)=己叫壚，；"J=oo；∞(愚)=f(net‘,∞(志))(2)式中，w孑’為隱含層加權(quán)系數(shù)；上角標(biāo)1、2、3分別代表輸入層、隱含層和輸出層。隱層神經(jīng)元激活函數(shù)取雙曲正切函數(shù)：dZ一口一z廠(z)=tanh(z)2eLX—--卜二e-一：'：(3)網(wǎng)絡(luò)輸出層的輸入、輸出為：品net‘t”(五)=：∑塒p’0j2’(曼)，0f3’(五)=g(net‘t3’(五))o

8、f”(五)=五，，02'3’(志)=五i，05"(愚)=曼J(4)網(wǎng)絡(luò)輸出節(jié)點(diǎn)分別對(duì)應(yīng)PID控制器的三個(gè)可調(diào)參數(shù)k，、kL，由于它們不能為負(fù)值，因此輸出層神經(jīng)元的激活幽數(shù)取非負(fù)的Sigmoid函數(shù)：1口王g(z)2言(1+tanh(z))2e—X+Le-x(5)取性能指標(biāo)函數(shù)為：1E(憊)=寺(r(志)--y(k))2=寺P(點(diǎn))2(6)萬(wàn)方數(shù)據(jù)第21卷第3期電腦開(kāi)發(fā)與應(yīng)用(總179)·9·采用BP算法修正網(wǎng)絡(luò)權(quán)系數(shù)，同時(shí)為了解決BP算法在梯度方向可能出現(xiàn)的劇烈變化，在權(quán)值搜索調(diào)整過(guò)程中加入慣性項(xiàng)：Aw2諏)一7器枷胡’(k--1)(7)式中，刁為學(xué)習(xí)速率，

9、口為慣性系數(shù)。BE(k)OE(k)勿(志+1)au(k)剃3’(足)aw磬’(矗)一ay(志+1)au(忌)a研3’(五)Onet．}3’(憊)≮8nlet(1兩3)(k)(8)劫p’(志)“7由黑：P(五)一P(愚一1)麗■兩2PL啟，一PL意一1’去‰酬忌，抑；”(點(diǎn))一“7器一P(k)--2P(k--1)+礎(chǔ)-2)(9)上述分析可得網(wǎng)絡(luò)輸出層的學(xué)習(xí)算法為：劬護(hù)’(五)=aAw't?’(k--1)+耐3’硝2’(五)∥刮挑gn[筆茅]器gr(，z硝3‰))(10)式中，z一1，2，3，97(z)一g(z)(1-g(x))。同理可得隱含層加權(quán)系數(shù)的學(xué)習(xí)算法

10、：△蠟’(量)--_-aAw(ff’(k--1)+耐