單神經(jīng)元PID控制.doc

單神經(jīng)元PID控制.doc

ID:57256051

大小:137.50 KB

頁(yè)數(shù):3頁(yè)

時(shí)間:2020-08-07

單神經(jīng)元PID控制.doc_第1頁(yè)
單神經(jīng)元PID控制.doc_第2頁(yè)
單神經(jīng)元PID控制.doc_第3頁(yè)
資源描述:

《單神經(jīng)元PID控制.doc》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、基于單神經(jīng)元的PID控制1神經(jīng)元單神經(jīng)元作為構(gòu)成神經(jīng)網(wǎng)絡(luò)的基本單位,具有自學(xué)習(xí)和自適應(yīng)能力,且結(jié)構(gòu)簡(jiǎn)單響應(yīng)速度快。這里將單個(gè)神經(jīng)元與傳統(tǒng)PID控制器結(jié)合起來(lái),一定程度上解決了傳統(tǒng)PID調(diào)節(jié)器不易在線實(shí)時(shí)整定參數(shù),難以對(duì)復(fù)雜過(guò)程和時(shí)變系統(tǒng)參數(shù)進(jìn)行有效控制等問(wèn)題。人工神經(jīng)元模型如圖1所示,可以看出神經(jīng)元是一個(gè)多輸入單輸出且具有閾值、權(quán)值的非線性處理元件。神經(jīng)元突觸可與其他神經(jīng)元相連接,或反映外界環(huán)境信息,也可以反饋?zhàn)陨硇畔?,通過(guò)調(diào)整權(quán)值得到新的輸出。2單神經(jīng)元PID控制2.1單神經(jīng)元PID控制器的設(shè)計(jì)用單個(gè)神經(jīng)元實(shí)現(xiàn)的自適應(yīng)P

2、ID控制的結(jié)構(gòu)框圖如圖所示。圖2單神經(jīng)元PID控制原理圖圖中Yr為設(shè)定值,Y為給定值,通過(guò)狀態(tài)轉(zhuǎn)換器得到作為神經(jīng)元輸入的三個(gè)狀態(tài)量,通過(guò)學(xué)習(xí)調(diào)節(jié)神經(jīng)元權(quán)值最終得到輸出。神經(jīng)元的輸入輸出關(guān)系描述為:(2-1)(2-2)由PID控制器的增量算式:(2-3)若取,則式(2-4)變?yōu)?(2-4)比較式(2-3)和(2-4)形式完全相同,所不同的只是式(2-4)中的系數(shù)可以通過(guò)神經(jīng)元的自學(xué)習(xí)功能來(lái)進(jìn)行自適應(yīng)調(diào)整,而式(2-3)中的參數(shù)是預(yù)先確定好且不變的。正是由于能進(jìn)行自適應(yīng)調(diào)整,故可大大提高控制器的魯棒性能。與常規(guī)PID控制器相比

3、較,無(wú)需進(jìn)行精確的系統(tǒng)建模,對(duì)具有不確定性因素的系統(tǒng),其控制品質(zhì)明顯優(yōu)于常規(guī)PID控制器。從后面的仿真分析中可以驗(yàn)證這一結(jié)論。其中,神經(jīng)元的學(xué)習(xí)功能是通過(guò)改變權(quán)系數(shù)來(lái)實(shí)現(xiàn)的,學(xué)習(xí)算法即是如何調(diào)整規(guī)則,它是神經(jīng)元控制的核心,反映了學(xué)習(xí)方式與學(xué)習(xí)功能。神經(jīng)網(wǎng)絡(luò)的工作過(guò)程主要由兩個(gè)階段組成,一個(gè)階段是工作期,此時(shí),各連接權(quán)值固定,計(jì)算單元的狀態(tài)變化,以求達(dá)到穩(wěn)定狀態(tài)。另一個(gè)階段是學(xué)習(xí)期,此時(shí)可以對(duì)連接權(quán)值進(jìn)行修改。2.2神經(jīng)元PID學(xué)習(xí)算法神經(jīng)元的學(xué)習(xí)功能是通過(guò)改變權(quán)系數(shù)w來(lái)實(shí)現(xiàn)的,學(xué)習(xí)算法即是如何調(diào)整w的規(guī)則,它是神經(jīng)元控制器

4、的核心,反映了學(xué)習(xí)方式和學(xué)習(xí)能力。如何調(diào)整w對(duì)整個(gè)控制系統(tǒng)抗干擾能力和自適應(yīng)性能都有很大的影響。權(quán)值的修改學(xué)習(xí)規(guī)則如下:(2-5)為了保證學(xué)習(xí)算法的收斂性和控制的魯棒性,對(duì)上述算法進(jìn)行規(guī)范化處理后可得如下的算法:(2-6)其中,分別為比例、微分、積分的學(xué)習(xí)速率;為神經(jīng)元的比例系數(shù),。這里參數(shù)選取的一般規(guī)則如下:①是系統(tǒng)最敏感的參數(shù)。值的變化,相當(dāng)于三項(xiàng)同時(shí)變化,因此值的選擇非常重要,應(yīng)在第一步先調(diào)整。越大,則快速性越好,但超調(diào)量大,甚至可能使系統(tǒng)不穩(wěn)定。當(dāng)被控對(duì)象時(shí)延增大時(shí),值必須減少,以保證系統(tǒng)穩(wěn)定。值選的過(guò)小,會(huì)使系統(tǒng)

5、的快速性變差。然后根據(jù)“②~⑤”項(xiàng)調(diào)整規(guī)則調(diào)整。②對(duì)于階躍輸入,若被控對(duì)象產(chǎn)生多次正弦衰減現(xiàn)象,應(yīng)減少,其他參數(shù)不變。③若被控對(duì)象響應(yīng)特性出現(xiàn)上升時(shí)間短、超調(diào)過(guò)大現(xiàn)象,應(yīng)減少,其他參數(shù)不變。④若被控對(duì)象上升時(shí)間長(zhǎng),增大又導(dǎo)致超調(diào)過(guò)大,可適當(dāng)增加,其他參數(shù)不變。⑤在開始調(diào)整時(shí),選擇較小值,當(dāng)調(diào)整,和K,使被控對(duì)象具有良好特性時(shí),再逐漸增大,而其他參數(shù)不變,使系統(tǒng)輸出基本無(wú)波紋。

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。