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-神经网络自整定-PID-控制仿真VIP免费

基于-BP-神经网络自整定-PID-控制仿真_第1页
1/6
基于-BP-神经网络自整定-PID-控制仿真_第2页
2/6
基于-BP-神经网络自整定-PID-控制仿真_第3页
3/6
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。图2BP网络结构三、实验内容(1)被控对象为一时变非线性对象,数学模型可表示为: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η=0.25和惯性系数α=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。四、具体操作在MATLAB工具条最左边打开一个新的工作空间,把控制程序copy进去,运行,就可得出仿真结果。然后按实验要求完成实验。新建工作空间程序S=1的运行结果如下S=2是运行结果

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-神经网络自整定-PID-控制仿真

您可能关注的文档

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