欢迎来到天天文库
浏览记录
ID:18336739
大小:1.45 MB
页数:8页
时间:2018-09-16
《基于模糊神经网络pid算法的液位串级控制》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、基于模糊神经网络PID算法的液位串级控制丁芳贾翔宇(中国民航大学航空自动化学院天津300300)摘要:利用PID算法对液位串级系统进行控制虽然是一种有效的控制方法,由于它的精确数学模型难以确定,使得参数整定困难、控制效果不理想。本文针对上述问题,将PID算法、模糊控制算法以及神经网络算法相结合,形成了一种智能控制算法——模糊神经网络PID算法。将该算法运用到液位串级控制系统中,实现了PID参数的自整定,并且提高了控制质量。实验结果表明,模糊神经网络PID算法与PID算法的控制效果相比在鲁棒性和响
2、应时间等方面有了较大的提高,具有一定的应用前景。关键字:神经网络,模糊控制,PID算法,液位串级控制中图分类号:TP312LevelCascadeControlSystemBasedonFNNPIDAlgorithmDingFang,JiaXiangyu(AeronauticAutomationCollege,CivilAviationUniversityofChina,Tianjin300300,China)Abstract:UsePIDalgorithmLevelcascadecontrol
3、systemisaneffectiveAlthoughcontrolmethod,sinceit'sdifficulttodetermineprecisemathematicalmodel,makingparametertuningdifficulties,controleffectisnotideal.Thispaperaddressesthisissue,PIDalgorithm,fuzzycontrolalgorithmsandneuralnetworkalgorithmstoforman
4、intelligentcontrolalgorithm-FNNPIDalgorithm.Thealgorithmappliedtotheliquidlevelcascadecontrolsystem,thePIDparameterstoachievetheself-tuningandimprovedqualitycontrol.TheexperimentalresultsshowthatFNNPIDalgorithmandPIDalgorithmcomparedtothecontrolresul
5、tsinrobustnessandresponsetimeandsoonhasbeenenhanced,withacertainapplication.Keywords:Neuralnetwork;Fuzzycontrol;PIDalgorithm;Levelcascadecontrol作者简介:丁芳(1960-),女,上海人,副教授,硕士,研究方向为智能控制、检测。引言:由于二阶液位系统具有一定的非线性和时滞性的特点,所以普通PID算法的控制效果并不理想。神经网络有自学习能力和大规模并行处理能
6、力,在认知处理上比较擅长;模糊控制系统能够充分利用学科领域的知识,能以较少的规则数来表达知识,在技能处理上比较擅长[1][2]。模糊神经网络控制算法是神经网络算法和模糊算法的有机结合,该算法既有模糊算法控制灵活和鲁棒性强的优点,又具有较强的非线性跟踪学习能力,有很大的实际意义和广阔的应用前景。一、模糊神经网络PID控制器1.1模糊神经网络PID控制器的结构模糊神经网络PID控制器的结构如图1所示。控制器由三部分组成:模糊化模块:用来对系统状态变量进行模糊量化和归一化处理[2][3]。这样做可以利
7、用模糊控制的鲁棒性和非线性控制作用,对作为神经网络输入的状态变量进行模糊规则的预处理,避免了神经网络的活化函数采样Sigmoid函数时,直接输入量过大而造成的输出饱和,使输出不再对输入敏感的缺点。神经网络(NN):用于表示模糊规则,经过神经网络的学习,以加权系数的形式表现出来,规则的生成就转化为加权系数初值的生成和修改。根据系统的运行状态,自行整定PID参数,以期达到最优的控制效果。也就是将神经网络的输出层输出对应于PID控制期的三个可调参数、、,通过神经网络的自学习,加权系数的调整,从而使稳定
8、状态对应于某种最优控制下的PID参数。普通PID控制器:直接对控制对象进行闭环控制,并且、、三个参数为在线整定式[3]。图1基于模糊神经网络PID的液位串级控制系统结构Fig.1StructureofLevelCascadeControlSystemBasedonFNNPIDAlgorithm1.2模糊化模块模糊化模块的框图如图2所示。该模块的作用是对系统状态变量{}和{}进行模糊化和归一化处理。图2模糊化模块的结构图Fig.2Structureoffuzzymodule本文通过计算,将液位系统
此文档下载收益归作者所有