基于神经网络PID控制算法的自动调平系统的仿真研究.pdf

基于神经网络PID控制算法的自动调平系统的仿真研究.pdf

ID:51452360

大小:1.01 MB

页数:2页

时间:2020-03-25

基于神经网络PID控制算法的自动调平系统的仿真研究.pdf_第1页
基于神经网络PID控制算法的自动调平系统的仿真研究.pdf_第2页
资源描述:

《基于神经网络PID控制算法的自动调平系统的仿真研究.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、第28卷第6期2015年11月机电产品开崖与刨新DeVel叩Ⅱ地nt&hmov8don0fM们hinery&ElectricaIPrDductsV01.28.NO.6№v。2015文章编号:1002—6673(2015)06一109-02基于神经网络PID控制算法的自动调平系统的仿真研究李楠.吴玉厚(沈阳建筑大学机械工程学院,辽宁沈阳110168)摘要:高空作业平台是我国现代工业和民用建筑施工过程的重要施工机械之一。在施工过程中.为防止平台的倾斜,平台在作业过程中必须与地面保持平行状态,故需要对高空作业平台安装自动调平系统,通常自动调平的方法有两种:由

2、传统PID控制的角度误差调平法和位置误差调平法.但两种方法都存在调平速度较慢超调量过大响应时间较小。可控性差等缺点。因此论文提出一种神经网络PID的控制方法,此方法很好的解决了上述问题。关键词:高空作业平台;自动调平系统;神经网络PID中图分类号:1码91.9文献标识码:Adoi:10.3969,i.issn.1002—6673.2015.06.039Simllla廿on蚰AutomaticLeVeli鸣SystemUsi雌PmNNC蚰tml越go一也mLlN帆.WUYu-Hou(SchoolofMechaIlicEngillee血岛shenyallg

3、Jiallzhuuniversicy,shenyaIlgLiao血g110168,Cllilla)Ab:tract:suspendedaccessphdb肌isoneof山emostiInporcantcolls讥lc60nmacllilleryinmodemilldl聆仃ialandci、,ilbuildiIlgcomtrIlcdonproc器sofourcountry,topreventdlephdbnnmted,theph面nnmustbekeptparallel、航dlthe铲oundstate.Therefore,itisnec嚣saryto

4、installautomadcleVehggystemfor11ighaldtudeforSuspendedacceSSphd-om,dlerearecwokindsforautonladc1evelingme出od:leveliIlgmdeerrormdpos诘onerrora由llsmlentrnedlodcon汀ouedbythe廿adidonalPID,buttwome出odsarea由usdblenat如werove巧hootre—spome血eisveryshort,poorcon仃o】1abilityshortcomiIl争.Inthis

5、paper,aneuralnetworkPIDcon七roIme出odiSproposed,wllichisagoodsoludonto出eaboveproblems.K.eywords:s11spendedacc哪ph怕rIll;autorlladclevehngSystem;nellr赳ne铆orkPID0引言随着我国建筑业的发展,国家对高空作业平台的安全性的重视程度有很大提高,因此本文对经典PID控制算法和神经网络PID控制算法进行了分析比较,突出神经网络PID控制算法在稳定性、快速性、准确性的优点。1经典PID控制器在工业控制系统中,经典PID

6、控制是应用最为广泛的控制算法。其控制算式为:u(t)=He(t)+(})f:e(t)dt+TD专}]PID控制算法要采用离散化控制算法。表达式为:ku(k)=K:Pe(k)+Kl2je(i)+Kde(k)一e(k一1)】修稿日期:2015-09—01作者简介:李楠(1986一),男,辽宁抚顺人。主要研究方向:机械自动控制技术。式中:KP,KhK。的分别为比例系数、积分系数、微分系数e(k)为第k次,采样的输入偏差u(k)为第k次采样的系统输出。2神经网络控制BP神经网络是一种前向网络,典型BP神经网络包含输入层输出层和隐含层三层网络。如图1所示。输入层

7、节点传递输入信号到隐含层。隐含层神经元的传递函数常取可微的单调递增函数,整个网络神经元的特性由输出层神经元的的特性决定。商■,1W¨W¨一图1三层BP网络结构图109·测试与控制·设xl,x2,⋯,xn为BP网络的输入;yl,y2,⋯,y。为输出;‰t为输入层到隐含层的连接权值;w:ii2为隐含层到输出层的连接权值。输入层:xi=xi0隐含层:0j-=∑wjk,Xj·=f(ojt)i=0输出层:o芦∑呐,xi-=g(oj2)i=OBP神经网络采用误差反向传播学习算法,使性能指标E(k)=÷[r(k)=),(k)】2最小。二输出层:8毡e(k)910j2

8、(k)】;w户(k+1)=wji2(k)+118、1(k)隐含层:81=8Ⅵoj2(k)】;脚

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。