欢迎来到天天文库
浏览记录
ID:15672926
大小:514.00 KB
页数:45页
时间:2018-08-04
《基于bp神经网络的pid控制器设计6.16》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BP神经网络的PID控制器设计中文摘要经典PID控制算法作为一般工业过程控制方法应用范围相当广泛,原则上讲它并不依赖于被控对象的具体数学模型,但算法参数的整定却是一件很困难的工作,更为重要的是即使参数整定完成,由于参数不具有自适应能力,因环境的变化,PID控制对系统偏差的响应变差,参数需重新整定。针对上述问题,人们一直采用模糊、神经网络等各种调整PID参数的自适应方法,力图克服这一难题。一般情况下,一个自适应控制系统能够运行,其相应的参数要适应现场状况的变化,因此就必须根据现场的数据对相应的参数
2、进行在线辨识或估计。对非时变参数可以通过一段时间的在线辨识确定下来,但对时变参数系统,必须将这个过程不断进行下去,因此要求辨识速度快或参数变化速度相对较慢,极大地限制了自适应技术的应用。为克服这种限制,本文利用文献[1]的思想,将神经网络的技术应用于参数辨识过程,结合经典的PID控制算法,形成一种基于BP神经网络的自适应PID控制算法。这一算法的本质是应用神经网络建立系统参数模型,将时变参数系统的参数变化规律转化为神经网络参数模型,反映了参数随状态而变的规律,即当系统变化后,可直接由模型得到系统的时
3、变参数,而无需辨识过程。在神经网络参数模型的基础上,结合文献[1]已知系统模型下PID控制参数的计算,推导出一种自适应PID控制算法。通过在计算机上对线性和非线性系统仿真,结果表明了这种自适应PID控制算法的有效性。关键词自适应PID控制算法,PID控制器,参数模型,神经网络,BP算法-I-基于BP神经网络的PID控制器设计AbstractClassicalPIDcontrolalgorithm,asageneralmethodofindustrialprocesscontrol,applicati
4、onscopeisbroad-ranged.Inprinciple,itdoesnotdependonthespecificmathematicalmodelofthecontrolledplant,buttuningalgorithmparametersisaverydifficulttask.Tomoreimportant,eveniftuningtheparameteriscompleted,asparametersdonothaveadaptivecapacity,duetoachangei
5、nenvironment,PIDcontroloftheresponseofthesystemdeviationgetworse,parametersneedtobere-tumed.Inresponsetotheseproblems,peoplehavebeenusingtheadaptivemethodoffuzzy,neuralnetworkstoadjustPIDparameters,tryhardtoovercomethisproblem.Undernormalcircumstances,
6、anadaptivecontrolsystemcanbecapableofrunning,andthecorrespondingparametersshouldadapttotllechangeinstatusofthescene,sothecorrespondingparametersmustbebasedonthedataofthescenetoconductonlineidentificationorestimated.Non-time—varyingparameterscanbeconfir
7、medforaperiodofon-lineidentification,butthetime-varyingparameterssystemwillbenecessarytocontinuethisongoingprocess,sotherequirementoffastidentificationortherelativeslowpaceofchangeofparameters,greatlylimitstheapplicationofadaptivetechnology.Toovercomet
8、hislimitation,thispaperusestheideologyofliterature[1],thetechnologyofneuralnetworkwillbeusedintheprocessofparameteridentification,combiningclassicalPIDcontrolalgorithm,formsanadaptivePlDcontrolalgorithmbasedonBPneuralnetwork.Theessenceo
此文档下载收益归作者所有