基于BP神经网络自整定PID控制仿真_第1页
基于BP神经网络自整定PID控制仿真_第2页
基于BP神经网络自整定PID控制仿真_第3页
基于BP神经网络自整定PID控制仿真_第4页
基于BP神经网络自整定PID控制仿真_第5页
已阅读5页，还剩1页未读， 继续免费阅读

付费下载

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、试验二 基于 BP 神经网络自整定 PID 把握仿真一、试验目的熟识神经网络的特点、结构以及学习算法,通过试验把握神经网络自整定 PID 的工作原理；明白神经网络的结构对把握成效的影响,的方法；二、试验原理把握用 MATLAB 实现神经网络把握系统仿真在工业把握中, PID 把握是工业把握中最常用的方法；这是由于 PID 把握器结构简洁、实现简洁,把握成效良好,已得到广泛应用；但是,PID 具有确定的局限性：被把握对象参数随时间变化时, 把握器的参数难以自动调整以适应外界环境的变化；为了使把握器具有较好的自适应性, 实现把握器参数的自动调整,可以接受神经网络把握的方法；利用人工神经网络的自学习

2、这一特性,并结合传统的 PID 把握理论, 构造神经网络 PID 把握器, 实现控制器参数的自动调整；基于 BP神经网络的 PID 把握器结构如图 1 所示；把握器由两部分组成：一是常规 PID把握器,用以直接对对象进行闭环把握,且三个参数在线整定；二是神经网络 NN,依据系统的运行状态,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 把握器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；假如输出层不能得到期望输出,也就是实际输出与期望输出有误差,那么转入反向传播过程,将误差信号沿原先的

3、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,去进行运算, 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,当误差达到人们所期望的要求时,网络的学习过程就终止了；图 2 BP 网络结构三、试验内容（1） 被控对象为一时变非线性对象,数学模型可表示为：ykakyyk1uk10, w il30,12k1式中,系数ak 是慢时变的,ak12.10 .8 e0.1 k；（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w2ji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,记录试验数据和把握曲线；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 分析数据和把握曲线；四、具体操作在 MATLAB工具条最左边打开一个新的工作空间,把把握程序copy 进

人人文库> 全部分类> 教育资料 > 中学教育

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