基于模糊神经网络的智能优化pid控制器研究

《基于模糊神经网络的智能优化pid控制器研究》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、摘要基于模糊神经网络的智能优化PID控制器研究PID控制算法简单、鲁棒性好且规则容易理解，被广泛应用于工业过程控制中。但随着工业生产的发展，对象越来越复杂，传统PID控制的弊端日益暴露。模糊控制和神经网络均不依赖被控对象的数学模型，且具有较强的自适应和自学习能力。针对复杂非线性对象，利用神经网络与模糊控制的优点，设计PID控制器的在线调整控制系统，改善系统性能，无论在理论还是实践上都将具有重要意义。本文在吸取传统的经典控制理论强大的分析能力基础上，结合神经网络和模糊控制的特点，将模糊神经网络控制与传统PID控制相结合，明确了模糊神经网络对于解决传统过程控制问题的重要地位。设计了

2、一种基于模糊神经网络的智能优化PID控制器，采用遗传算法优化模糊神经网络的参数，包括隶属度函数均值co、标准差bo及网络输出层所对应的连接权系数Wii，在线更新PID参数。文中给出了基于模糊神经网络智能优化PID控制系统的结构及控制器的一般算法，并讨论了利用VC语言实现控制器软件化的方法。同时对TE过程，利用该模糊神经网络智能优化PID控制器对其进行了仿真控制研究，仿真结果表明基于模糊神经网络的智能优化PID控制器具有良好的控制效果，有着广阔的发展前景。北京化T大学硕：卜学位论文关键词：PID控制，模糊神经网络，遗传算法，智能控制ABSTRACTINTELLIGENTOPTIM

3、IZATIoNPIDCONTROLLERBASEDoNFUZZYNEURALNETWORKSThePIDcontrolalgorithmissimpleinstructure，stronginrobustness，andcanbeunderstoodeasily．Ithasbeenwidelyusedinindustrialprocesscontr01．However,theobjectsbecomemoreandmorecomplexwiththedevelopmentofindustrialproems，andthedrawbacksofthetraditionalPIDc

4、ontrolareincreasinglyexposed．TheFuzzyControlandNeuralNetworksdonotrelayonthemathematicmodelofcontrolledobjects，andhavestronggerabilityofself-adaptationandself-study．Aimingatthecomplexnon-linerobjects，itissignificanttoemploytheexcellenceofNeuralNetworksandFuzzyControltodesigntheon-lineadjusti

5、ngcontrolsystemofPIDcontroltoimprovethesystemperformancebomintheoryandpractice．ThisthesiscombinedthecharacteristicofNeuralNetworksandFuzzyControlonthebasisofpowerfulanalysisabilityoftraditionalclassiccontroltheory．FirstlyitcombinedtheFuzzyNeuralNetworksControlandtraditionalPIDcontrol，determi

6、nedtheimportantstateofFuzzyNeuralNetworksresolvingthetraditionalprocesscontrol，北京化工人学硕J：学位论文designedanintelligentoptimizationPIDcontrollerbasedonFuzzyNeuralNetworkswhichusedGeneticAlgorithmtooptimizetheFuzzyNeuralNetworksparametersincludingthemembershipfunctionmean，standarddevimion，connectio

7、nweightswijcorrespondingtothenetworkoutputlayer,andon-lineupdatedPIDparameters．ThenifgavethestructureofintelligentoptimizationPIDcontrolsystemandthegeneralalgorithmofcontrollerbasedontheFuzzyNeuralNetworks，anddiscussedthemethodofusingVCtorealizethe