資源描述：
《線性預(yù)測模型BP神經(jīng)網(wǎng)絡(luò)PID控制算法的研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、·30·線性預(yù)測模型BP神經(jīng)網(wǎng)絡(luò)PID控制算法的研究付IEI~U，唐軍(1．貴州大學(xué)電氣工程學(xué)院，貴州貴陽550002；2．貴州大學(xué)繼續(xù)教育學(xué)院，貴州貴陽550002)摘要：針時經(jīng)典PID控制參數(shù)整定困難和基本BP算法收斂速度慢、易陷入局部極小的缺點，提出一種基于線性預(yù)測模型玨p神經(jīng)網(wǎng)絡(luò)的liD控制方法，重點闡述算法過程。最后在MATLAB軟件上進行仿真，仿真結(jié)果表明該控制算法是有效的。關(guān)鍵詞：線性預(yù)測模型BP神經(jīng)網(wǎng)絡(luò)PID最小二乘法中圖分類號：TP183文獻標識碼：B文章編號：1(102-6886(2010)05-0030—03TheResearchofLinearP
2、redicfionModelBPNeuralNetworkPIDControlAlgorithmFUZhenggang．TANGJunAbstract：FortheclassicPIDcontrolparameterstuningdificultiesandbasicBPalgorithmisslowconvergenceandeasytofallintolocalminimumoftheshortcomings，thisp~sagepresentsalinearpredictionmodelbasedOnBPneuralnetworkPIDcontrolmethod，
3、focusingonthealgorithmprocess．TheprogrammingstepsunderMATLABaFefinallydescribed．Simulationresultshowsthatthecontrolalgorithmisefective．Keywords：linearpredictionmodel；BPneuralnetwork；PID；leastsquaremethod1)初始化0引言置所有權(quán)值為較小的多年來，PID控制器以其結(jié)構(gòu)簡單、對模型誤差具有易于隨機非零值。操作等優(yōu)點，在工業(yè)控制過程中得到廣泛的應(yīng)用。但對于一2)提供訓(xùn)練集些非線
4、性的、時變的、難以建立精確數(shù)學(xué)模型的被控對象，采給定輸入向量=輸入層節(jié)點隱含層節(jié)點輸出層節(jié)點用PID控制往往難以收到理想的效果。而BP神經(jīng)網(wǎng)絡(luò)具有(Xp2，??，XpM)和期望圖1BP神經(jīng)網(wǎng)絡(luò)逼近任意非線性函數(shù)和自學(xué)習(xí)的能力，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)的目標輸出向量(，?一，)，P=1，2，??，Ⅳ；習(xí)，可以找到某一最優(yōu)控制律下的P、I、D參數(shù)，實現(xiàn)最佳組合3)計算網(wǎng)絡(luò)實際輸出的PID控制，使控制效果得到大大的改善。-?14-點i在第p組樣本輸入時，輸出Q=∑]l砰神經(jīng)網(wǎng)絡(luò)和砷算法．(￡)=j[xp(‘)](t)lp／](1)式中，為第P組樣本輸入時，節(jié)點i的第j個輸入)為可B
5、P算法是指誤差反向傳播的BP算法的簡稱，其基本思微的S型作用函數(shù)。想是最小二乘法。采用負梯度搜索技術(shù)使網(wǎng)絡(luò)的實際輸出4)計算目標值與實際輸出值的偏差E。值與期望輸出值的誤差均方值為最小。1，1-(一Q)(2)BP算法的學(xué)習(xí)過程由正向傳播和反向傳播組成。在正p向傳播過程中，輸人信息從輸入層經(jīng)隱含層逐層處理，并傳向5)分別計算輸出層、隱含層權(quán)值修正項apwjk，apwo輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如對于輸出節(jié)點k：果輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號A
6、k：0Ipk0dk—Qpk、Q沿原來的連接通路返回，通過修改各層神經(jīng)元的權(quán)值，使誤
7、差=,1Q~k(1一)(一)Qpj(3)信號最小。對于隱含節(jié)點：誤差反向傳播神經(jīng)網(wǎng)絡(luò)，簡稱BP網(wǎng)絡(luò)(BackPropaga—￡tion)，是一種單向傳播的多層前向網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)△，=nf()(苫)L如圖1所示。=叩(1一)(薈)(4)BP學(xué)習(xí)算法步驟：式中，叩為學(xué)習(xí)速率，是輸出節(jié)點居的輸出，是隱含節(jié)點作者簡介：付正剛(1984～)，男，貴州大學(xué)碩士研究生，研究方向：計算機控制技術(shù)．唐軍，女，貴州大學(xué)教授，碩士生導(dǎo)師。收稿日期：2010—5—20·31·的輸出，是輸入節(jié)點i的輸出，為輸出節(jié)點k的反傳誤E(k+1)=÷[r(+1)一y(+1)]：z(J}+1)差信
8、號；6)返回“2)”重復(fù)計算，直到誤差滿足要求為止。(10)按照梯度下降法修正網(wǎng)絡(luò)的權(quán)系數(shù)，即按照E(k+1)對2線性預(yù)測模型BP神經(jīng)網(wǎng)絡(luò)的PID控制算法加權(quán)系數(shù)的負梯度方向搜索調(diào)整，并附加一個使搜索快速收線性預(yù)測模型斂全局極小的慣性系數(shù)：BP神經(jīng)網(wǎng)絡(luò)控制aw,7(+1)：一叼宣+otA()(11)系統(tǒng)結(jié)構(gòu)如圖2所刀。式中，77為學(xué)習(xí)速率；為慣性系數(shù)(平滑因子)；為簡便起見，經(jīng)典增量式數(shù)以下的E(k+1)均略寫為E。字PID的控制算法圖2采用線性預(yù)測模型BP：．i生±2．i坌2．一網(wǎng)絡(luò)PID控制系統(tǒng)結(jié)構(gòu)圖0wt~3(+1)拋()co：(k
