基于BP神经网络的应用.doc

《基于BP神经网络的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、文章题目创新点自述基于BP神经网络的的应用摘要：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。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：1006-70

2、43(2006)xx-xxxx-xBasedontheapplicationofBPneuralnetworkAbstract：PIDcontroltoachievegoodcontroleffect,itmustbyadjustingtheproportional,integralanddifferentialthreecontrolfunction,controlquantityinbothcooperatewitheachotherandmutualrestrictrelationship,thisrelationshipisnotnecessarilyasimp

3、lelinearcombination,fromtheendlessvarietyofnonlinearcombinationcanbefoundinthebest.Neuralnetworkwiththearbitrarynonlinearexpressiveness,canthroughthestudyoftheperformanceofthesystemtoachievethebestlinearcombinationofPIDcontrol.ByusingBPnetwork,，，Self-learningPIDcontrollerwithBPsimulation

4、examplesarepresentedKeywords：PID;ANN;BP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，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

5、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

6、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:刘金锟.先进PID控制MATLAB仿真[M].版本(第2版).附录：仿真程序clearall;closeall;xite=0.20;alfa=0.05;s=1;

7、IN=4;H=5;Out=3;ifs==1wi=[-0.6394-0.2696-0.3756-0.7023;-0.8603-0.2013-0.5024-0.2596;-1.07490.5543-1.6820-0.5437;-0.3625-0.0724-0.6463-0.2859;0.14250.0279-0.5406-0.7660];wi_1=wi;wi_2=wi,wi_3=wi;wo=[0.75760.26210.5820-0.1416-0.1325;-0.11460.29490.83520.22050.4508;0.72010.456