基于遗传算法改进的bp神经网络加热炉控制系统参数优化

《基于遗传算法改进的bp神经网络加热炉控制系统参数优化》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果基于遗传算法改进的BP神经网络加热炉控制系统参数优化摘要以加热炉控制系统为研究对象，提出了一种基于遗传算法改进的BP网络优化PID控制参数方法，并与经典的临界比例度—Ziegler-Nichols方法进行比较。仿真结果表明该算法具有较好的控制效果。关键词PID控制；BP神经网络；遗传算法；参数优化由于常规PID控制具有鲁棒性好，结构简单等优点，在工业控制中得到了广泛的应用。PID控制的基本思想是将P，I和D进线性组合构成控制器，对

2、被控对象进行控制。所以系统控制的优劣取决于这三个参数。但是常规PID控制参数往往不能进行在线调整，难以适应对象的变化，另外对高阶或者多变量的强耦合过程，由于整定条件的限制，以及对象的动态特性随着环境等的变化而变化，PID参数也很难达到最优的状态。神经网络具有自组织、自学习等优点，提出了利用BP神经网络的学习方法，对控制器参数进行在线调整，以满足控制要求。由于BP神经网络学习过程较慢，可能导致局部极小点[2]。本文提出了改进的BP算法，将遗传算法和BP算法结合对网络阈值和权值进行优化，避免权值和阈值陷入局部极小点。加热炉控制系统如图1所示，控制规律常采用PID控制

3、规律。图1加热炉控制系统简图若加热炉具有的数学模型为：则PID控制过程箭图可以用图2表示。其中，课题份量和难易程度要恰当，博士生能在二年内作出结果，硕士生能在一年内作出结果，特别是对实验条件等要有恰当的估计。从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果采用经典参数整定方法——临界比例度对上述闭环系统进行参数整定，确定PID控制器中Kp=，Ki=，Kd=。参考输入为单位阶跃信号，仿真曲线如图3所示。图2PID控制系统图3Z—N整定的控制曲线仿真曲线表明，通过Z—N方法整定的参

4、数控制效果不佳，加上PID参数不易实现在线调整，所以该方法不宜用于加热炉的在线控制。对于加热炉控制系统设计的神经网络自整定PID控制，它不依赖对象的模型知识，在网络结构确定之后，其控制功能能否达到要求完全取决于学习算法。遗传算法改进的BP算法实现一般BP网络结构如图4所示，其算法步骤为：输入训练样本，按网络结构得到输出；将实际输出与希望输出比较，得到误差，根据误差调节阈值和权值。重复两个步骤，直到误差满足要求为止；图4BP网络结构研究表明，采用上述BP算法逐步调整权值和阈值，可能导致学习过程收殓速度慢，训练时间过长，又易陷入局部极小点而得不到最佳的权值和阈值分布

5、。为了加快学习速率，已经有了一些优化BP算法[3]，采用动态学习因子和惯性因子。这些方法在加快网络收殓速度方面比较显著，能较好地避免网络陷入局部极小。遗传算法不要求目标函数具有连续性，而且可以对复杂的多峰的，非线性及不可微的函数实现全局寻优，因此容易得到全局最优解或性能很好的次优解。将遗传算法和BP算法相结合可以具有寻优的全局性和精确性。算法过程为：课题份量和难易程度要恰当，博士生能在二年内作出结果，硕士生能在一年内作出结果，特别是对实验条件等要有恰当的估计。从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，

6、特别是博士生必须有创新性的成果对权值和阈值编码生成初始种群，由于是多参数优化问题，采用多参数映射编码；计算适应度值；如果不满足遗传算法停止条件，则对当代种群进行交叉、选择和变异产生新的个体，转(2)；否则，转；对遗传算法找到的较好的解空间，采用BP算法在这些小的解空间中搜索出最优解。PID参数优化由图5可知，神经网络根据系统的运行状态，通过在线调整PID的三个参数Kp，Ki，Kd，以达到某种性能指标的最优化。图5BP网络整定PID参数原理图经典增量式PID的控制算法：算法步骤：(1)确定网络结构，采用3—4—3的结构，输入分别为e(k)，e(k)-e(k-1)，

7、e(k)-2e(k-1)+e(k-2)。输出为Kp，Ki，Kd。(2)选择初始种群N=60，交叉概率Pc=，权值，阈值的范围和初始化。选取目标函数为：，适应度函数为：(3)采样得到rin和yout，计算该时刻的误差。(4)对网络进行学习，在线调整权值，阈值，计算神经网络的各层输入，输出，得到三个可调参数Kp，Ki，Kd。计算系统输出。(5)计算适应度若不满足要求，转入第步。(6)找到最优的Kp，Ki，Kd，对系统仿真。图6BP网络整定的控制曲线仿真结果显示，用BP神经网络整定的PID控制系统比经典的Z—N法有更快的响应特性，良好的动态特性和比较强的鲁棒性。课题份

8、量和难易程度要恰当，博士