基于bp神经网络的应用

基于bp神经网络的应用

ID:33602494

大小:85.50 KB

页数:4页

时间:2019-02-27

基于bp神经网络的应用_第1页
基于bp神经网络的应用_第2页
基于bp神经网络的应用_第3页
基于bp神经网络的应用_第4页
资源描述:

《基于bp神经网络的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、增刊第一作者姓名,等:文章题目-3-文章题目创新点自述创新点自述与摘要有一定的区别,作者应把文章具体新在哪里,好在哪里写出来,说明本文较前人工作有何创新,好的创新点自述能增加文章的可读性,也能给评审人留下好的印象。增刊第一作者姓名,等:文章题目-3-基于BP神经网络的的应用照片尺寸为20mm*30mm;最好不用红色背景摘要:PID控制要取得较好的控制效果,就必须通过调整好比例、积分和微分三种控制的作用,形成控制量中既相互配合又相互制约的关系,这种关系不一定是简单的“线性组合”,从变化无穷的非线性组合中可以找到最佳的

2、。神经网络所具有的的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳线性组合的PID控制。采用BP网络,可以建立参数,,自学习的PID控制器,并给出BP仿真实例。关键词:PID;神经网络;BP网络模型Doi:10.3969/j.issn.1006-7043.中图分类号:(作者本人填写)文献标识码:A文章编号:1006-7043(2006)xx-xxxx-xBasedontheapplicationofBPneuralnetworkAbstract:PIDcontroltoachievegoodcontro

3、leffect,itmustbyadjustingtheproportional,integralanddifferentialthreecontrolfunction,controlquantityinbothcooperatewitheachotherandmutualrestrictrelationship,thisrelationshipisnotnecessarilyasimplelinearcombination,fromtheendlessvarietyofnonlinearcombinationca

4、nbefoundinthebest.Neuralnetworkwiththearbitrarynonlinearexpressiveness,canthroughthestudyoftheperformanceofthesystemtoachievethebestlinearcombinationofPIDcontrol.ByusingBPnetwork,,,Self-learningPIDcontrollerwithBPsimulationexamplesarepresentedKeywords:PID;ANN;

5、BP增刊第一作者姓名,等:文章题目-3-收稿日期:xxxx-xx-xx.基金项目:基金项目名称(编号).作者简介:姓名(出生年-),性别,职称,学位,E-mail(通信作者);姓名(出生年-),性别,职称,学位.通信作者:姓名(出生年-),性别,职称,学位,E-mail(如不是作者简介里的作者).自从计算机进入控制领域以来,用数字计算机代替模拟计算机调节器组成计算机控制系统,不仅可以用软件实现PID控制算法,而且还可以利用计算机的逻辑功能,使PID控制更加灵活。数字PID控制在生产过程中是一种最普遍采用的控制方法,

6、在机电、冶金、机械、化工等行业中获得了广泛的应用。将偏差比例(P)、积分(I)、和微分(D)通过现行组合构成控制,对被控制对象进行控制,故称PID控制器。BP网络本质上是一种由输入到输出的映射,它不需要任何输入和输出之间的精确数学表达式,只要用已知的输入输出数据加以训练,网络就具有输入与输出之间的映射能力。BP算法的关键在于隐含层的学习规则,而隐含层就相当于对输入信息的一个特征抽取器。1基于BP神经网络整定的PID控制基于BP网络的PID控制器由两部分组成:(1)经典的PID控制器,直接对被控制对象进行闭环控制,并

7、且三个参数,,为在线调整方式。(2)神经网络,根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标的最优化,使输出层神经元的输出状态对于PID控制器的三个可调整参数,,通过神经网络的自学习、加权系数的调整,使神经网络输出对应于某种最优空置率下的PID控制器参数。1.1仿真实例设被控制对象的近似数学模型为:式中,系数是慢时变的,学习速率和惯性系数加权系数初始值取区间上的随机数。输入指令信号分为两种:取S=1时为阶跃跟踪,初始权值取随机值,运行稳定后用稳定权值代替随机值。其结果如下图增刊第一作者姓名,等:文

8、章题目-3-图1阶跃响应曲线Fig.1Title图二跟踪误差曲线图三参数自适应整定曲线2结论经过训练的BP神经网络模型逼近效果好,跟踪误差能达到要求,通过自适应调整和自学习的单神经元自适应智能PID控制器,不但结构简单而且能适应环境变化,有较强的鲁棒性。参考文献:[1]刘金锟.先进PID控制MATLAB仿真[M].版本(第2版).附录:仿真程序clearal

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。