线性预测模型BP神经网络PID控制算法的研究.pdf

《线性预测模型BP神经网络PID控制算法的研究.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、·30·线性预测模型BP神经网络PID控制算法的研究付IEI~U，唐军(1．贵州大学电气工程学院，贵州贵阳550002；2．贵州大学继续教育学院，贵州贵阳550002)摘要：针时经典PID控制参数整定困难和基本BP算法收敛速度慢、易陷入局部极小的缺点，提出一种基于线性预测模型珏p神经网络的liD控制方法，重点阐述算法过程。最后在MATLAB软件上进行仿真，仿真结果表明该控制算法是有效的。关键词：线性预测模型BP神经网络PID最小二乘法中图分类号：TP183文献标识码：B文章编号：1(102-6886(2010)05-0030—03TheResearchofLinearP

2、redicfionModelBPNeuralNetworkPIDControlAlgorithmFUZhenggang．TANGJunAbstract：FortheclassicPIDcontrolparameterstuningdificultiesandbasicBPalgorithmisslowconvergenceandeasytofallintolocalminimumoftheshortcomings，thisp~sagepresentsalinearpredictionmodelbasedOnBPneuralnetworkPIDcontrolmethod，

3、focusingonthealgorithmprocess．TheprogrammingstepsunderMATLABaFefinallydescribed．Simulationresultshowsthatthecontrolalgorithmisefective．Keywords：linearpredictionmodel；BPneuralnetwork；PID；leastsquaremethod1)初始化0引言置所有权值为较小的多年来，PID控制器以其结构简单、对模型误差具有易于随机非零值。操作等优点，在工业控制过程中得到广泛的应用。但对于一2)提供训练集些非线

4、性的、时变的、难以建立精确数学模型的被控对象，采给定输入向量=输入层节点隐含层节点输出层节点用PID控制往往难以收到理想的效果。而BP神经网络具有(Xp2，⋯⋯，XpM)和期望图1BP神经网络逼近任意非线性函数和自学习的能力，通过神经网络的自学的目标输出向量(，⋯一，)，P=1，2，⋯⋯，Ⅳ；习，可以找到某一最优控制律下的P、I、D参数，实现最佳组合3)计算网络实际输出的PID控制，使控制效果得到大大的改善。-⋯14-点i在第p组样本输入时，输出Q=∑]l砰神经网络和砷算法．(￡)=j[xp(‘)](t)lp／](1)式中，为第P组样本输入时，节点i的第j个输入)为可B

5、P算法是指误差反向传播的BP算法的简称，其基本思微的S型作用函数。想是最小二乘法。采用负梯度搜索技术使网络的实际输出4)计算目标值与实际输出值的偏差E。值与期望输出值的误差均方值为最小。1，1-(一Q)(2)BP算法的学习过程由正向传播和反向传播组成。在正p向传播过程中，输人信息从输入层经隐含层逐层处理，并传向5)分别计算输出层、隐含层权值修正项apwjk，apwo输出层，每层神经元的状态只影响下一层神经元的状态。如对于输出节点k：果输出层不能得到期望的输出，则转入反向传播，将误差信号A

6、k：0Ipk0dk—Qpk、Q沿原来的连接通路返回，通过修改各层神经元的权值，使误

7、差=,1Q~k(1一)(一)Qpj(3)信号最小。对于隐含节点：误差反向传播神经网络，简称BP网络(BackPropaga—￡tion)，是一种单向传播的多层前向网络。BP神经网络的结构△，=nf()(苫)L如图1所示。=叩(1一)(荟)(4)BP学习算法步骤：式中，叩为学习速率，是输出节点居的输出，是隐含节点作者简介：付正刚(1984～)，男，贵州大学硕士研究生，研究方向：计算机控制技术．唐军，女，贵州大学教授，硕士生导师。收稿日期：2010—5—20·31·的输出，是输入节点i的输出，为输出节点k的反传误E(k+1)=÷[r(+1)一y(+1)]：z(J}+1)差信

8、号；6)返回“2)”重复计算，直到误差满足要求为止。(10)按照梯度下降法修正网络的权系数，即按照E(k+1)对2线性预测模型BP神经网络的PID控制算法加权系数的负梯度方向搜索调整，并附加一个使搜索快速收线性预测模型敛全局极小的惯性系数：BP神经网络控制aw,7(+1)：一叼宣+otA()(11)系统结构如图2所刀。式中，77为学习速率；为惯性系数(平滑因子)；为简便起见，经典增量式数以下的E(k+1)均略写为E。字PID的控制算法图2采用线性预测模型BP：．i生±2．i坌2．一网络PID控制系统结构图0wt~3(+1)抛()co：(k