基于bp神经网络pid整定原理及算法步骤-精品

《基于bp神经网络pid整定原理及算法步骤-精品》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、完美WORD格式专业知识分享完美WORD格式摘要神经网络作为一门新兴的信息处理科学，是对人脑若干基本特性的抽象和模拟。它是以人的大脑工作模式为基础，研究自适应及非程序的信息处理方法。这种工作机制的特点表现为通过网络中大量神经元的作用来体现自身的处理功能，从模拟人脑的结构和单个神经元功能出发，达到模拟人脑处理信息的目的。目前，在国民经济和国防科技现代化建设中神经网络具有广阔的应用领域和发展前景，其应用领域主要表现在信息领域、自动化领域、工程领域和经济领域等。本文以BP神经网络作为研究对象。研究的内容主要有：首先介绍了神经网络的概念、控

2、制结构，学习方式等。其次，介绍了人工神经元模型，并对BP神经网络的基本原理及推导过程进行详细阐述。再次将BP神经网络的算法应用于PID中，介绍了基于BP神经网络PID整定原理和算法步骤。最后利用MATLAB/Simulink对BP神经网络PID控制系统进行仿真，得出BP神经网络的控制效果明显好，它具有很强的自整定，自适应功能。关键词：BP算法，PID控制，自整定专业知识分享完美WORD格式ABSTRACTAsakindofemerginginformationprocessingscience，theneuralnetworkcan

3、simulatesomebasiccharacteristicofhumanbrain.Itisaninformation-processedmethodwhichtakesperson'scerebrumworkingpatternasafoundationandstudiesthemodelofadaptiveandnon-program.Thecharacteristicsofthiskindofworkmechanismarethatitcanshowitsprocessingfunctionthroughthemassiv

4、eneuronsfunctioninthenetwork.Then,itstartswithsimulatingthehumanbrainstructureandthesingleneuronfunctiontoachievethegoalthatsimulatesthehumanbraintoprocessinformation.Nowadays,theneuralnetworkhaswideapplicationfieldsandprospectsinthenationaleconomyandmodernizationofnat

5、ionaldefensescience.Itmainlyappliesininformation,automation,economicalandsoon.ThisarticletakestheBPneuralnetworkastheresearchobject.Thecontentoftheresearchmainlycontain:firstly,itintroducestheconceptofneuralnetwork,controlstructureandmodeofstudyandsoon.Secondly,itintro

6、ducestheartificialneuronmodel,thebasicprinciplesofBPneuralnetworkandthederivationprocessindetail.Then,itappliesBPneuralnetworkinthePID,andintroducesthetuningprinciplesofPIDbasedtheBPneuralnetworkandstepsofthealgorithm.Finally,Matlab/SimulinkisusedtosimulatetheBPneuraln

7、etworkPIDcontrolsystem.Intheconsequence,theperformanceofBPneutralnetworkcontrolsignificantlygood.BPneuralnetworkcontrolsystemhasastrongself-tuning,adaptivefunction.KEYWORDS:BPalgorithm,PIDcontrol,self-tuning专业知识分享完美WORD格式目录摘要IABSTRACTII第1章绪论21.1选题背景和意义21.2神经网络技术国内外发展现状

8、3第2章神经网络的原理和应用62.1神经网络的基本概念62.2神经网络的控制结构62.2.1前馈网络62.2.2反馈网络62.3神经网络的功能72.4神经网络的学习72.4.1神经网络的学习方式72.4.2神经网络的学习算法82.5人