基于遗传算法的改进神经网络在PI整定中的应用.pdf

《基于遗传算法的改进神经网络在PI整定中的应用.pdf》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、电气传动和自动控制皇皇!兰竺兰竺!竺ElectricDrive＆AutomaticControl基于遗传算法的改进神经网络在Pl整定中的应用黄振跃。张新华(江苏大学电气信息工程学院，江苏镇江212013)摘要：为克服常规神经网络只能离线训练的不足，提出了一种基于遗传算法的改进递归神经网络。首先从PI自整定控制器性能指标出发，阐述了递归神经网络原理及异步电机转速控制系统模型，说明了采用遗传算法来寻找卡尔曼滤波最佳参数的可行性。以异步电机控制系统为平台，借助MATLAB／Simulink软件进行了建模与仿真。仿真结果表明提出的基于遗传算法的改进神经网络获得的PI参数能有效减小系统超调，系

2、统具有良好的动静态性能。关键词：遗传算法；递归神经网络；扩展卡尔曼滤波；PI；异步电机[中图分类号]TM33[文献标志码]A[文章编号]1000—3886(2012)06—0003—03lmprovedNeuralNetworkBasedonGeneticAlgorithmintheApplicationforTuningofPIControllersHUANGZhen-yue，ZHANGXin—hua(SchoolofElectricalandInformationEngineering，JiangsuUniversity，enjiangJiangsu212013，China)Ab

3、stract：Toovercomethedisadvantageofconventionalneutralnetworkwhichistrainingonlyoffline。animprovedneutralnetworkbasedongeneticalgorithmisproposed．Startingfromtheperformanceindexofself-tuningPIcontrollers，principleofrecurrentneutralnetworkandspeedcontrolsystemmodelofinductionmotorareelaborated．Th

4、en，thefeasibilityofbygeneticalgorithmtoseakoptimalconstantsofextendedkalmanfilterisexplained．Finally，modelingandsimulationareperformedbyMATLAB／Simulinkwithcontrolsystemofinductionmotorsasplatform．TheresultsshowthatthePIparametersobtainedbytheproposedimprovedneutralnetworkbasedongeneticalgorithm

5、canreducetheovershootofsystemeffectivelyandthesystemhasgooddynamicandstaticperformance．Keywords：geneticalgorithm；recurentneuralnetwork；extendedkalmanfilter；PI；inductionmotor0引言求得神经元的权值并训练，从而实现PI参数的自整定。首先从PI自整定控制器的性能指标出发，阐述了递归神经网络结构、异随着智能控制技术的飞速发展，人工神经网络在工业控制领步电机转速控制系统及扩展卡尔曼滤波的基本参数，说明了采用域得到了广泛的研

6、究与应用I2。神经网络不需要任何预定模遗传算法求取卡尔曼滤波器最佳参数的可行性。最后借助MAT—型的知识，因此控制系统对噪声、参数变化及负载改变具有较强LAB／simulink软件以异步电机为对象对提出的基于遗传算法的的鲁棒性。常规的神经网络通常利用模型参考自适应控制技术改进神经网络在PI整定中应用的有效性进行了建模与仿真。仿进行训练从而使电机达到跟踪控制的目的。但常规的神经网络存在容易陷入局部极小点、收敛速度慢、泛化能力差的问题J，且真结果表明，本文提出的方法能有效减小负载变化时的转速超网络只能在离线系统下进行参数识别。电机运行工程中参数动调，系统具有良好的动静态性能。态变化时，以

7、自适应控制方法为主的常规神经网络显示出局限1PI自整定控制器及神经网络结构性，使得对PI控制器参数的整定变得愈加困难。因此，能否跟随1．1PI自整定控制器性能指标电机参数变化而进行在线的参数自整定对神经网络甚至整个电定义PI自整定控制器性能指标如下：机控制系统来说具有重要的意义。-，(u，k)=[Y(k+d)一Yf(k+d)]通常利用卡尔曼滤波算法进行神经元的计算。扩展卡尔曼P[Ru(k)]P[(k+d)](1)滤波算法在前馈神经网络和递归神经网络的训练中