欢迎来到天天文库
浏览记录
ID:32473574
大小:1.65 MB
页数:74页
时间:2019-02-06
《神经网络pid控制系统设计及参数pso优化研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、武汉理工大学硕士学位论文摘要PID控制技术是一种应用很普遍的控制技术,目前在很多方面都有广泛的应用。本文首先简要介绍了神经网络的理论基础和神经网络的学习算法,传统的常规PID控制器,针对常规PID控制器对于复杂的、动态的和不确定的系统控制还存在着许多不足之处进行了分析。为了达到改善常规PID控制器在复杂的、动态的和不确定的系统控制还存在着许多不足之处的目的,文中系统的介绍了五种改进方式,主要有:模糊PID控制器、专家PID控制器、灰色PID控制器、遗传算法PID控制器和神经网络PID控制器。神经网
2、络具有强的非线性映射能力,自学习能力、联想记忆能力、并行信息处理方式及优良的容错性能。应用神经网络对PID控制器进行改进后,对于工业控制中的复杂系统控制有着更好的控制效果,有效的改善了由于系统结构和参数变化导致的控制效果不稳定。文中主要对基于单神经元PID控制器、BP神经网络PID控制器进行研究。对于BP神经网络初始权值选择困难的问题,本文采用粒子群优化算法(PSO)来对BP神经网络控制器进行优化。本文同时也利用PSO算法对常规PID控制器的参数进行整定研究。最后,’本文分别对PSO算法和常规Z-
3、N法整定的常规PID控制器进行仿真试验,仿真结果表明PSO整定法明显改善了系统性能。本文也对单神经元自适应PID控制系统和基于PSO优化的BP神经网络PID控制系统进行仿真试验,发现后者使系统的性能有所提高。关键词:神经网络PID控制器;BP算法;PSO算法;Z-N整定法武汉理工大学硕士学位论文AbstractThetechniqueofPIDcontrolisverygeneral.anditisappliedinmanyfieIdsatpresent.hthepaper,neuralnetwo
4、rktheoryfoundation,studyingalgorithmoftheneuralnetworkandtraditionalPIDcontrollerareintroduced,andtrad/tionalPIDcontrollerweakpointisanalyzedincontrollingthecomplicated,dynamicanduncertainsystem.hordertoachievethegoalofimprovingtraditionalPIDcontrolle
5、r,fivekindimprovementwaysareputforwardinthepaper——-1吻PIDcontroller,expertPIDcontroller,greyPIDcontroller,hereditaryalgorithmPIDcontrollerandneuralnetworkPIDcontroHer.Becauseoftbestrongnonlinearitytoshineuponability,studyadaptivecapacity,associativemem
6、oryability,processingmethodofproceedinformationandfiaefault-tolerantperformance,therearebettercontrolresultstothecomplicatedsysteminindustrialcontrol,andtheunstablecontrolresultscaUSedbythechangeofsystemstructureOrparametershavebeenimprovedafterthePID
7、controllerimprovedbyneuralnetworLSingleneuralnetworkPIDcontrollerandBPneuralnetworkPIDcontrollerhavebeenstudychieflyinthepaper.BecausetherearesollledifficultinchoosingthefirstpowervalueoftheBPneuralnetwork,PSOalgorithmhasbeenusedtoimproveBPneuralnetwo
8、rkcontrollerinthepaper.hthepaper,PSOalgorithmhasbeenusedtoimprovetraditionalPIDcontroller.Lastly,thetraditionalPIDcontrollerwassimulated,andIfoundthatthesystemwhichparametersimprovedbYPSOalgorithmwasbetterthantheparametersimprovedbyZ-Nalgorith
此文档下载收益归作者所有