欢迎来到天天文库
浏览记录
ID:52209411
大小:290.55 KB
页数:4页
时间:2020-03-25
《基于搜寻者优化算法的 PID神经网络解耦控制.pdf》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、2015年第5期工业仪表与自动化装置·97·基于搜寻者优化算法的PID神经网络解耦控制刘俊(商洛学院电子信息与电气工程学院,陕西商洛726000)摘要:传统的PID神经网络,由于初始权值随机选择,权值学习采用BP算法,所以容易陷入局部极值,进而导致该方法无法得到高精度的控制结果。该文提出采用搜寻者优化算法优化PID神经网络初始权值,再把最优初始权值带入PID神经网络,实现解耦控制。对一个耦合系统进行仿真实验,结果表明,与目前控制效果较好的粒子群算法优化PID神经网络相比,该算法收敛速度更快、稳态误差更小,同时也具有良好的自适应和抗干扰能力
2、,能够实现快速、高精度、稳定的解耦控制。关键词:搜寻者优化算法;PID;解耦控制;神经网络中图分类号:TP183文献标志码:A文章编号:1000—0682(2015)05—0097—04PIDneuralnetworkdecouplingcontrolbasedonseekeroptimizationalgorithmLIUJun(ElectronicInformationandElectricalEngineeringCollege,Shangl∞University,ShaanxiShangluo726000,China)Abstra
3、ct:TraditionalPIDneuralnetwork,inwhichinitialweightsarerandomlyselectedandweightlearningmethodusesBPalgorithm,tendstofallintolocalextremum,SOthemethodcannotgetprecisecontro1.Seekeroptimizationalgorithm(SOA)isadoptedtooptimizetheinitialweightsofPIDneuralnet—work,andthedeco
4、uplingcontrolisrealizedbyputtingtheoptimalinitialweightsintoPIDneuralnet-work.Acouplingsystemissimulated,andtheresultshowsthat,comparedwithPIDneuralnetworkwhichisbasedonparticleswarmalgorithm(PSO),PIDneuralnetworkwhichisbasedonSOA(SOA—PIDNN)sharesbettercontroleffectandsma
5、llersteady—stateerror;moreover,SOA—PIDNNisendowedwithadaptiveandanti—interferenceability,whichfacilitaterapid,accurateandstabledecouplingcon—tro1.Keywords:seekeroptimizationalgorithm;PID;decouplingcontrol;neuralnetwork定,利用最速下降法,通过控制量误差反向传播的方0引言式修正网络权值,所以,该方法全局搜索能力差,容在工业控制
6、过程中,存在大量的非线性、多变易得到局部极值。对于很多复杂系统,单一使用量、强耦合的控制系统。由于被控系统的数学模型PID神经网络的控制效果并不理想。为此,近几年无法确定,被控对象内部参数有时还随时间不断变多位学者在PID神经网络权值优化方面做了一些研化,采用传统方法(如PID控制)不能获得满意结究。文献[3]利用遗传算法(简称GA)优化PID神果,甚至完全无法实现控制。经网络的权值,一定程度上解决了PID神经网络全为了实现复杂系统的有效控制,文献[1]将学局搜索能力差的缺点,在控制精度上有一定提高。习能力及非线性映射能力较强的神经网络与
7、PID控文献[4]把粒子群算法(简称PSO)应用到PID神经制算法相结合,设计了PID神经网络模型,较好地解网络解耦控制中,可以更快逼近控制目标,得到较高决了多变量非线性系统的解耦控制问题。该方法区的精度。文献[5]实现了人工鱼群算法(简称AF.别于用神经网络优化PID控制器参数的传统SA)对PID神经网络初始权值的优化,加快了PID方法。神经网络的收敛速度,保证了系统的稳定性。PID神经网络(简称PIDNN)的初始权值随机给为了解决PID神经网络对多变量强耦合系统控制效果较差的问题,该文提出采用搜寻者优化算法(简称SOA)对PID神经网
8、络初始权值进行离线优收稿日期:2015—02—05作者简介:刘俊(1986),男,山西省大同市人,硕士研究生,助化,并在网络权值修正算法中引入动量项,加快权值教,主要研究智能控制和智能算法。修
此文档下载收益归作者所有