基于RBF神经网络的智能车速度控制系统研究.pdf

《基于RBF神经网络的智能车速度控制系统研究.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、《电气自动化)2015年第37卷第1期—自动控制系统与装置一AutomaticControISystems＆Equipments基于RBF神经网络的智能车速度控制系统研究尤晓玲，王能才(1．兰州石化职业技术学院电子电气工程系，甘肃兰州730060；2．兰州理工大学电气工程与信息工程学院，甘肃兰州730050)摘要：针对传统PID控制算法在电磁导航智能车速度偏差处理中存在比例、积分、微分参数一经确定，不能在线调整、不具有自适腹能力的缺点，提出了将RBF神经元网络控制器及其算法应用到智能车的调速系统中，对传统PID参数整定进行改进。RBF

2、神经网络能够辨识智能车电机的数学模型，可以根据控制效果在线训练和学习，调整网络连接权重值，最终自适应地整定PID三个参数来实现智能车的速度控制。MATLAB仿真测试表明，与传统PtD控制算法相比，RBF神经网络P1D整定算法在智能_午速度控制中具有响应快，超调量小、鲁棒性和适应性强的优点，大大提高了智能车电机控制系统的性能。关键词：PID控制；RBF神经网络；电磁导航智能车；速度控制；MATLAB仿真DOI：10．3969／j·issn．1000—3886．2015．01．036[中图分类号]TP249[文献标志码]A[文章编号]10

3、00—3886(2015)01—0102—03AStudyontheSpeedControlSystemoftheIntelligentVehicleBasedonRBFNeuraINetworkYOUXiao-ling，WANGNeng-cai(1．DepartmentofElectronicandElectricalEngineeringofLanzhouPetrochemicafOccupationalCollege，LanzhouGansu730060，China：2．CollegeofElectricalandInforma

4、tionEngineeringofLanzhouUniversityofTechnology，LanzhouGansu730050，China)Abstract：Consideringthatonceproportional，integralanddifferentialparametersaredeterminedinspeeddeviationprocessingofthee1ectromagnetica1lynavigatedintelligentvehicleaccordingtothetraditionalPIDcontro

5、lalgorithm，theyarenotcapableofonlineadjustmentanddonothaveadaptivecapability，thispaperpresentsaschemetoapplytheRBFneuralcellnetworkcontrollerwithitsalgorithmtothespeedregulationsystemoftheintelligentvehicletoimprovethetraditionalPIDparametersetting．TheRBFneuralnetworkca

6、nidentifythemathematicalmodeloftheintelligentcarmotor，conductonlinetrainingandlearningaccordingtothecontroleffect，adjustthenetworkconnectionweightandfinally，adaptivelyadjustthethreePIDparameterstorealizespeedcontrolovertheintelligentvehicle．MATLABsimulationtestsshowthat

7、，comparedwiththetraditionalPIDcontrolalgorithm，thePIDsettingalgorithmoftheRBFneuralnetworkhassuchadvantagesasquickresponse，smallovershoot，robustnessandstrongadaptabilityinthespeedcontroloftheintelligentvehicle，thusgreatlyimprovingtheperformanceoftheintelligentvehiclemot

8、orcontrolsystem．Keywords：PIDcontrol；RBFneuralnetwork；electromagneticnavigationintelligentvehicle；speedcontrol；