PID神经网络控制器在发动机油门控制中的应用.pdf

《PID神经网络控制器在发动机油门控制中的应用.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、}空带lJ理论与J立用自动化技术与应用2010年第29卷第8期ControlTheoryandApplicationsPID神经网络控制器在发动机控制中的应用★范玉涛，张静。王柠(哈尔滨理工大学自动化学院，黑龙江哈尔滨150080)摘要：I{P刚络PID挎制器卞ij结介，可以实现埘PII)控制器参数的优化州整。似是13Ii叫络的隐教千1]}l}】了点数的选尚庀定，需眨复的汁锋论证能确；并I=l网络迮接权重初fI}[选取为随机“L，《咎以保iⅡ系统例始运{fi'l0稳定。小戈‘什将1jI坤『】经网络P1D控制规他融合的新‘法PlI)伸经．{1]络，该乃‘法控制结构简、

2、系统参数物意义【{J】确[1If义J【：述M络的诸多缺点。将该方法应Ⅲ]对发动机油门开的仿真控制，真结果表明该控制器尺人战善』发动饥rj制系统的性能，f真效良好关键词：Pl1)神f{lJ络；I．q锋法；发动机油门控制中分炎‘：TI389．1史献际妈：lj艾章编：1003‘7241(201o)os000104AnApplicationofPIDNeural～～N，etworkControllerinEngineThrottleSystem，由I-_-FANYu-tao，ZHANGJing，WANGNing1J(DepartmentofAutomation，Harbin

3、UniversityofScienceandTechnology,Harbin150080China)Abstract：PIDparameterscanbeadjustedwithBPneuralnetwork．yetithassomedisadvantages．f．01‘instance．itisdifficulttochoosethenumberofhiddenlayerandneuronnodes．andrequiresrepeatedcalculationstodeterminetheargument：Networkconnectionweightsarer

4、andomlyselectedastheinitialvalueSOthiswiltmakeitdifficulttoguaranteethestabilityofthesystemininitialoperation．Thispaperusesanewmethod一一PIDneuralnetworkwhichcombiningtheBPneuralnetworkandPIDcontroltheory，tocontroltheenginethrottle．Itscontrolconstructionissimpleandthesystemparametersphys

5、icssignificanceisclear，moreoverithasovercomemanyshortcomingsoftheBPneuralnetwol’k．ThesimulationeffectshowsthatthecontrolinenginethrottlesystembasedonPIDneuralnetworkisgoodinflexibilityandrobustnesS．Keywords：PIDneuralnetwork；BPalgorithm；Enginethrottlecontrol1引言多，实现的难度和代价较大，同时也不能避免传统神经PI

6、D控制虽然简单，但是其参数整定的困难使PID网络具有的收敛速度慢、隐含层层数和神经元节点数控制器的应用受到限制。由于神经网络具有极高的自选取无定则、连接权重初值为随机值和易陷入局部极学习能力和并行信息处理能力，采用神经网络的控制系小值等诸多缺点。这使得系统的控制性能难以达到预统具有更强的适应性和鲁棒性【11，所以为了克服常规PID期的效果。本文将PID控制规律融入进BP神经网络，控制的弱点，控制界提出了在保持常规PID控制器结构对两种方法取长补短，实现两者的本质融合，在一定程的基础上，应用神经网络实现对PID控制器参数的优化度上克服了上述方法的不足。并将该方法应用于

7、发动调整。但是这种方法的结构比传统PID控制器要复杂得机油门控制系统中，对发动机油门的开度控制进行了仿真研究。·基金项目：黑龙江省自然科学基金(编号F2O08003)收稿日期：2009—12—2lPIDNN结构形式及算法《自动化技术与应用》2010年第29卷第8期控韦U理论与应用ControlTheoryandApplications—将PID控制规律融人进前向神经网络之中，实现两积分元：(=(五一1)+net2(者的本质结合即构成PID神经网络[。其结构形式如图微分元：(脚=力(脚一net3(七一1)1所示。隐含层各神经元的输出为：I1，()>1x'j(k)=