资源描述:
《基于RBF神经网络整定的PID控制器设计及及认真_毕业设计》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、基于RBF神经网络整定的PID控制器设计及仿真摘要目前,因为PID控制具冇简单的控制结构,可通过调节比例积分和微分取得基本满意的控制性能,在实际应用屮乂较易于整定,所以广泛应用于过程控制和运动控制屮,尤其在可建立精确模型的确定性控制系统中应用比较多。然而随着现代工业过程的日益复杂,对控制要求的逐步增高(如稳定性、准确性、快速性等),经典控制理论而临着严重的挑战。对工业控制领域屮非线性系统,采用传统PID控制不能获得满意的控制效果。采用基于梯度下降算法优化RBF神经网络,它将神经网络和PID控制技术融为一体,既具有常规PID控制器结构简单、物理意义明确的优点,同时又具冇
2、神经网络自学习、自适应的功能。因此,本文通过对RBF神经网络的结构和计算方法的学习,设计一个基于RBF神经网络整定的PID控制器,构建其模型,进而编写M语言程序。运用MATLAB软件对所设计的RBF神经网络整定的PID控制算法进行仿真研究。然后再进一步通过仿真实验数据,研究本控制系统的稳定性,鲁棒性,抗干扰能力等。关键词:PID;RBF神经网络;参数整定SETTINGOFTHEPIDCONTROLLERBASEDONRBFNEURALNETWORKDESIGNANDSIMULATIONAbstractAtpresent,becausethePIDcontrolhasa
3、simplecontrolstructure,throughadjustingtheproportionalintegralanddifferentialgainbasicsatisfactorycontrolperformance,andisrelativelyeasytosettinginpracticalapplication,sowidelyusedinprocesscontrolandmotioncontrol,especiallyintheaccuratemodelcanbebuiltmoredeterministiccontrolsystemapplic
4、ation.Withtheincreasinglycomplexofthemodernindustrialprocess,however,increasedstepbysteptocontrolrequirements(e.g.,stability,accuracyandquickness,etc.),classicalcontroltheoryisfacedwithseverechallenges.Non-linearsystemsinindustrialcontrolfield,usingthetraditionalPIDcontrolcannotobtainsa
5、tisfactorycontroleffect.OptimizedRBFneuralnetworkbasedongradientdescentalgorithm,itwillbeintegratedneuralnetworkandPIDcontroltechnology,withaconventionalPIDcontrollerhassimplestructure,physicalmeaningisclearadvantages,atthesametimewithneuralnetworkself-learning,adaptivefunction.Therefor
6、e,thisarticlethroughtotheRBFneuralnetworkstructureandthecalculationmethodoflearning,todesignasettingofthePIDcontrollerbasedonRBFneuralnetwork,constructsitsmodel,andthenwriteMlanguageprogram.UsingtheMATLABsoftwaretodesigntheRBFneuralnetworksettingofPIDcontrolalgorithmsimulationresearch・D
7、ataandthenfurtherthroughsimulationexperiment,thecontrolsystemstability,robustness,anti-interferenceability,etc.Keywords:PID;RBFneuralnetwork;Parametersetting目录摘要IAbstractII1绪论11.1课题研究背景及意义11.2神经网络的发展历史21.3本课题研究的主要内容52神经网络62.1神经网络的基本概念和特点62.2人工神经网络构成的基本原理62.3神经网络的结构72.3.1前馈网络72.