资源描述：
《基于rbf神经网络整定的pid控制器设计及及认真毕业设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于RBF神经网络整定的PID控制器设计及仿真摘要目前，因为PID控制具有简单的控制结构，可通过调节比例积分和微分取得基本满意的控制性能，在实际应用中又较易于整定，所以广泛应用于过程控制和运动控制中，尤其在可建立精确模型的确定性控制系统中应用比较多。然而随着现代工业过程的日益复杂，对控制要求的逐步增高（如稳定性、准确性、快速性等），经典控制理论面临着严重的挑战。对工业控制领域中非线性系统，采用传统PID控制不能获得满意的控制效果。采用基于梯度下降算法优化RBF神经网络，它将神经网络和PID控制技术融为一体，既具有
2、常规PID控制器结构简单、物理意义明确的优点，同时又具有神经网络自学习、自适应的功能。因此，本文通过对RBF神经网络的结构和计算方法的学习，设计一个基于RBF神经网络整定的PID控制器，构建其模型，进而编写M语言程序。运用MATLAB软件对所设计的RBF神经网络整定的PID控制算法进行仿真研究。然后再进一步通过仿真实验数据，研究本控制系统的稳定性，鲁棒性，抗干扰能力等。关键词：PID；RBF神经网络；参数整定SETTINGOFTHEPIDCONTROLLERBASEDONRBFNEURALNETWORKDESIG
3、NANDSIMULATIONAbstractAtpresent,becausethePIDcontrolhasasimplecontrolstructure,throughadjustingtheproportionalintegralanddifferentialgainbasicsatisfactorycontrolperformance,andisrelativelyeasytosettinginpracticalapplication,sowidelyusedinprocesscontrolandmoti
4、oncontrol,especiallyintheaccuratemodelcanbebuiltmoredeterministiccontrolsystemapplication.Withtheincreasinglycomplexofthemodernindustrialprocess,however,increasedstepbysteptocontrolrequirements(e.g.,stability,accuracyandquickness,etc.),classicalcontroltheoryi
5、sfacedwithseverechallenges.Non-linearsystemsinindustrialcontrolfield,usingthetraditionalPIDcontrolcannotobtainsatisfactorycontroleffect.OptimizedRBFneuralnetworkbasedongradientdescentalgorithm,itwillbeintegratedneuralnetworkandPIDcontroltechnology,withaconven
6、tionalPIDcontrollerhassimplestructure,physicalmeaningisclearadvantages,atthesametimewithneuralnetworkself-learning,adaptivefunction.Therefore,thisarticlethroughtotheRBFneuralnetworkstructureandthecalculationmethodoflearning,todesignasettingofthePIDcontrollerb
7、asedonRBFneuralnetwork,constructsitsmodel,andthenwriteMlanguageprogram.UsingtheMATLABsoftwaretodesigntheRBFneuralnetworksettingofPIDcontrolalgorithmsimulationresearch.Dataandthenfurtherthroughsimulationexperiment,thecontrolsystemstability,robustness,anti-inte
8、rferenceability,etc.Keywords:PID;RBFneuralnetwork;Parametersetting目录摘要ⅠAbstractⅡ1绪论11.1课题研究背景及意义11.2神经网络的发展历史21.3本课题研究的主要内容52神经网络62.1神经网络的基本概念和特点62.2人工神经网络构成的基本原理62.3神经网络的结构72.3.1前馈网络72.3
