实验二基于BP神经网络自整定PID控制仿真_第1页
实验二基于BP神经网络自整定PID控制仿真_第2页
实验二基于BP神经网络自整定PID控制仿真_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、实验二 基于 BP 神经网络自整定 PID 控制仿真 一、实验目的 熟悉神经网络的特征、结构以及学习算法，通过实验掌握神经网络自整定 PID 的工作原理。了解神经网络的结构对控制效果的影响，掌握用 MATLAB 实现神经网络控制系统仿真的方法。二、实验设备：计算机系统、Matlab 仿真软件 三、实验原理 在工业控制中，PID 控制是工业控制中最常用的方法。这是因为 PID 控制器结构简单、实现简单，控制效果良好，已得到广泛应用。但是，PID具有一定的局限性：被控制对象参数随时间变化时，控制器的参数难以自动调整以适应外界环境的变化。为了使控制器具有较好的自适应性，实现控制器参数的自动调整，可以

2、采用神经网络控制的方法。利用人工神经网络的自学习这一特性，并结合传统的 PID 控制理论，构造神经网络 PID 控制器，实现控制器参数的自动调整。基于BP神经网络的PID控制器结构如图1所示。控制器由两部分组成：一是常规PID控制器，用以直接对对象进行闭环控制，且三个参数在线整定；二是神经网络NN，根据系统的运行状态，学习调整权系数，从而调整PID参数，达到某种性能指标的最优化。图 1 基于 BP 网络的 PID 控制器结构 图2 BP 网络结构网络学习过程由正向和反向传播两部分组成。在正向传播过程中，每一层神经单元的状态只影响下一层神经网络。如果输出层不能得到期望输出，也就是实际输出与期望输

3、出有误差，那么转入反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次向输入层传播，去进行计算，再经过正向传播过程，这样经过两个过程的反复作用，使得误差信号最小。实际上，当误差达到人们所希望的要求时，网络的学习过程就结束了。 注意：隐含层神经元的激活函数取正负对称的 Sigmoid 函数： 网络输出层的输入输出为：输出层节点分别对应三个可调参数 kp、ki、 kd。由于kp、ki、 kd不能为负，所以输出层神经元的活化函数取非负的 Sigmoid 函数。 对于增量式数字 PID 控制算法，则有四、实验步骤 （1） 被控对象为一时变非线性对象，数学模型可表示为：式中，系数a(k)是慢时变的，。（2） 如图 2 确定BP网络的结构，选 4-5-3 ，各层加权系数的初值 ，取区间 -0.5, 0.5 上的随机数，选定学习速率=0.25和惯性系数=0.05 (3) 在 MATLAB 下依据整定原理编写仿真程序并调试。(4) 给定输入为阶跃信号，运行程序，记录实验数据和控制曲线。 (5) 修改神经网络参数如学习速率，隐含层神经元个数等，重复步骤(4),(6)分析数据和控制曲线。 五、实验报告要求 给出 BP 神经网络自整定 PID 控制系统的设计过程和程序清单，记录试验数据

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论