基于BP神经网络模糊励磁控制器的研究.pdf

《基于BP神经网络模糊励磁控制器的研究.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、文章编号：1002—6673(2016)04—081-03基于BP神经网络模糊励磁控制器的研究张南1，高海波2(1．武汉航海职业技术学院，湖北武汉430062；2．武汉理工大学，湖北武汉430063)摘要：针对常规型PID作用下的控制器参数改变的不确定性，将BP-NN网络技术和Fuzzy模糊理论引进PID式控制器中．组成了BP神经网络技术的模糊规则的PID式控制器。经过对数学模型的仿真实例的对照和研究．发现基于BP神经网络和模糊技术的PID控制器能改善动态性能，控制效果好。关键词：BP神经网络；PID控制系

2、统；模糊神经网络PID控制器；励磁控制系统的仿真中图分类号：TP391．9文献标识码：Adoi：10．3969／j．issn．1002-6673．2016．04．030ResearchonfuzzyPmExcitationControllerBasedontheBPNeuralNetworkZHANGNanl．GA0Hal—B02(1．WuhanMaritimeInsfimte，WuhanHubei430062，China；2．WuhanUniversityofTechnology，WuhanHubei43

3、0063，China)Abstract：ForconventionaltypeundertheactionofthePIDcontrollerparameterchangeofuncertainty，theBP—NNnetworktechnologyandFuzzytheorytOintroduceFuzzyPIDcontroller，FuzzyrulesoftheBPneuralnetworktechnologyofthePIDcontroller．Throughsimu—lationexamplesof

4、mathematicalmodelofcomparisonandresearch，foundthatbasedonBPneuralnetworkandPIDcontrollercanimprovethedynamicperformanceoffuzzytechnology，goodcontroleffect．Keywords：theBPneuralnetwork；PIDcontrolsystem；afuzzyneuralnetworkPIDcontroller；0引言传统PID式控制器控制精度低。参数自适应

5、能力差，随环境而变化，控制效果达不到预期目标。为了克服这一难题。人们尝试利用神经NN网络技术和模糊Fuzzy算法综合的方法。如何将传统方法的控制与智能方法的控制完美结合是需要探讨的一个课题。本文将BP神经NN网络技术和Fuzzy理论结合起来引进PID式控制器中．构建组合优化的BP—NN+FuzzyPID控制器．可以同时发挥Fuzzy算法和BP—NN各自的特长。通过样本学习来提高控制效果。1BP神经网络的特点Back-PropagationNeuralNetwork是采用误差反方向式传播方法的人工神经NN网络

6、，又称为BP—NN网络。修稿日期：2016—07—07项目来源：电力推进船舶机电系统的多尺度耦合与优化控制方法研究(批准号：51579200)作者简介：张南(1969一)，女，武汉航海职业技术学院轮机工程系讲师。硕士研究生。主要从事《主推进动力装置》及《船舶辅机》专业教学工作。是常用的多层型前馈式的网络[1】。BP神经网络的自适应和自学习能力强，广泛应用于工业自动控制领域中，包括最优化辨识和自适应控制等多项领域。如果将控制对象的输入和输出构成样本训练BP网络，能模拟和处理系统的非线性动态问题。2BP神经网络

7、型的PlD控制器2．1BP神经网络PlD控制系统的结构如图l所示，系统由常规PID式控制器和神经网络(NN)组成，作用见表1。图1神经网络PID控制系统Fig．1NeuralnetworkPIDcontrolsystem2．2BP神经网络【NN)组成如图2所示，NN结构为3—8—3型。输入节点对应于系统的运行状态，对系统的输入和输出，能自动形成映射规则【2】。三个输入变量为：81·制造业信息化·图2BP神经网络结构图Fig．2BPNeuralnetworkstructure01㈣(k)--e(k)，O：㈣(

8、k)=∑e(i)，03㈩(k)：e(k)一e(k一1)网络输入层的输人为Oj‘1’(k)j=l，2，⋯，n。网络隐含层的输入输出为：fml’一neti(2)(k)=艺wii(2)OJ“’J-1【Oio’(k)=f(netim(k))(i=1，2，⋯，q)式中w。，㈣(0)为加权系数，wii∞(0)的上角标(1)(2)(3)表示输入层、隐含层和输出层

9、11。隐含层的活化函数为：f(x)=tanh(x)=再eX_Fe