基于共轭梯度法的改进型BP神经网络PID控制算法.pdf

《基于共轭梯度法的改进型BP神经网络PID控制算法.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、2011年第5期工业仪表与自动化装置·7·基于共轭梯度法的改进型BP神经网络PID控制算法陈庚，戴放(辽宁石油化工大学信息控制学院，辽宁抚顺l13001)摘要：针对常规BP神经网络PID控制器存在收敛速度慢和易陷入局部极小的缺点，提出一种基于共轭梯度算法的改进型BP神经网络PID控制器，采用Polak—Ribiere线性搜索方法，对传统BP神经网络PID控制器进行改进，加快了网络训练速度，避免网络陷入局部极小。在Matlab平台下实现算法程序，仿真结果表明该改进控制方法的有效性。关键词：BP神经网络；PID控制器；共轭梯度法中图分类号：TP183文献标志码：A文章编号：1000～0

2、682(2011)05—0007—03ImprovedBPneuralnetworkPIDcontrolbasedonconjugategradientCHENGeng，DAIFang(SchoolofInformation&ControlEngineering，LiaoningShihuaUniversity，LiaoningFushun113o01，China)Abstract：TodealwiththedefectsoftheclassicBPneuralnetworkPIDcontrolorinslowlyconver-gingandeasilyimmerginginpar

3、tialminimum，thispaperproposesaimprovedBPneuralnetworkPIDcontrolorbasedonconjugategradient，usesPolak—Ribierelinearsearchmethods，toimprovetheclassicBPneuralnetworkPIDcontrolor，canmakethetrainingofneuralnetworkfasterandcaneliminateim—merginginpartialminimum．ThesimulationresuhsofMatlabprogramsshow

4、thatthiswayiseffective．Keywords：BPneuralnetwork；PIDcontrolor；conjugategradient度的共轭梯度算法，用改进的共轭梯度算法对BP0引言神经网络PID控制器的权值及阈值进行修正，仿真PID控制是较早发展起来的控制策略，由于可结果证明该方法是有效的。靠性高、算法简单和有较强的鲁棒性，被广泛用于工1BP神经网络的PID控制业过程控制；但在实际生产过程中，由于受到参数整定的困扰，常规PID控制器参数往往整定不良，性能基于BP神经网络的PID控制器结构如图1所欠佳，对运行工况的适应性很差⋯。示，由两部分组成J：1)常规P

5、ID控制器，用以直接将常规BP神经网络与传统PID控制器相结对对象进行闭环控制，且3个参数在线整定；2)神合，组成实时控制系统的控制器，利用神经网络具有经网络根据系统的运行状态，学习调整权系数，从而的任意非线性表示能力，通过训练和学习寻找最佳调整PID参数，达到某种性能指标的最优化。三层组合的PID控制参数，从而对不确定和复杂的系统BP神经网络结构如图2所示。由于输出不能为负，以及扰动进行有效地控制。但是常规BP神经网络所以隐含层取正负对称的Tan．sigmoid函数，输出层学习算法依然存在收敛速度慢、易陷入局部极小点取非负的Log—sigmoid函数，由此构造结构为4—5—3等问

6、题[。的三层BP神经网络。在研究基于BP神经网络PID控制器结构和算法的基础上，针对基本BP算法采用最速下降法的缺陷，探讨通过变化梯度来加快网络训练的收敛速收稿日期：2011—04—19作者简介：陈庚(1984)，男，山东泰安人，硕士研究生，研究方向为工业过程的先进控制及优化。图1神经网络PID控制器结构图·8·工业仪表与自动化装置2011年第5期一业．迎．兰(2．a’一Oy(k)Ou()aD(k)型(4)．Jnet[。()a(k)又㈩隐含层／e(k-1)图2三层BP神经网络结构图经典增量式PID控制算法为：)(16)u(k)=u(尼一1)+(e(k)一e(k一1))+⋯Kie()

7、+Kd(e()一2e(k一1)+e(k一2))2e(k-1)+e(k-2)e()=r()一Y()(2)上述分析可得网络输出层权系数的学习算其中：r(k)为系统的输入，Y(k)为系统的输出。法为：网络输入层的输人为：A4’(k)~olAO．)l(i3(k一1)+。’D(k)(17)Q=(=1，2，3，4)(3)f=e()一e(一1)1-e㈩()告·g(nef’(k))，(1：1，2，3)(18){lx2：=e(k)一2e(k一1)+e(k一2)(4)同理可得隐含层权系数