电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

基于BP神经网络的PID控制器设计

基于BP神经网络的PID控制器设计_第1页
1/32
基于BP神经网络的PID控制器设计_第2页
2/32
基于BP神经网络的PID控制器设计_第3页
3/32
中文摘要经典PID控制算法作为一般工业过程控制方法应用范围相当广泛,原则上讲它并不依赖于被控对象的具体数学模型,但算法参数的整定却是一件很困难的工作,更为重要的是即使参数整定完成,由于参数不具有自适应能力,因环境的变化,PID控制对系统偏差的响应变差,参数需重新整定。针对上述问题,人们一直采纳模糊、神经网络等各种调整PID参数的自适应方法,力图克服这一难题.一般情况下,一个自适应控制系统能够运行,其相应的参数要适应现场状况的变化,因此就必须根据现场的数据对相应的参数进行在线辨识或估量。对非时变参数可以通过一段时间的在线辨识确定下来,但对时变参数系统,必须将这个过程不断进行下去,因此要求辨识速度快或参数变化速度相对较慢,极大地限制了自适应技术的应用.为克服这种限制,本文利用文献[1]的思想,将神经网络的技术应用于参数辨识过程,结合经典的PID控制算法,形成一种基于BP神经网络的自适应PID控制算法。这一算法的本质是应用神经网络建立系统参数模型,将时变参数系统的参数变化规律转化为神经网络参数模型,反映了参数随状态而变的规律,即当系统变化后,可直接由模型得到系统的时变参数,而无需辨识过程.在神经网络参数模型的基础上,结合文献[1]已知系统模型下PID控制参数的计算,推导出一种自适应PID控制算法。通过在计算机上对线性和非线性系统仿真,结果表明了这种自适应PID控制算法的有效性。关键词自适应PID控制算法,PID控制器,参数模型,神经网络,BP算法AbstractClassical PID control algorithm,as a general method of industrial process control,application scope is broad—ranged.In principle, it does not depend on the specificmathematical model of the controlled plant,but tuning algorithm parameters is a verydifficult task.To moreimportant,even if tuning the parameter is completed,asparameters do not have adaptive capacity,due to a change in environment,PID controlof the response of the system deviation get worse,parameters need to be re-tumed.Inresponse to these problems,people have been using the adaptive method of fuzzy,neural networks to adjust PID parameters,try hard to overcome this problem.Under normal circumstances,an ad...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

基于BP神经网络的PID控制器设计

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部