当前位置:主页 > 科技论文 > AI论文 >

基于改进型粒子群算法的PID神经网络控制系统

发布时间:2016-08-30 11:16

  本文关键词:基于合作粒子群算法的PID神经网络非线性控制系统,由笔耕文化传播整理发布。


当前位置:文档下载 > 所有分类 > 自然科学 > 基于改进型粒子群算法的PID神经网络控制系统

基于改进型粒子群算法的PID神经网络控制系统

计 算 机 系 统 应 用 2011 年 第20卷 第 10 期

定性、鲁棒性等方面都有了明显的提高。有助于PIDNN在控制领域的广泛应用。

公式[2]为:

J

Δω=η=ij ω

sij

223m I(k) O(k) Os ω(k) 1 xP m∑∑∑ ss x′′sihsineuron

shk===111h O 223m

′ xI∑∑∑Is(k) Os(k) ωsih(k) usj sineuron x′′

ms=1h=1k=1h

x′ O 223m ω(k) sj xD IkOk()() ∑∑∑ s x′′sihsineuronms=1h=1k=1 s u′ hsj

2 多变量PIDNN(MPIDNN)控制系统

为实现非线性不对称MIMO系统的解耦控制,建

立了MPIDNN控制系统[1]。MPIDNN由多个单变量PID神经网络结构(SPIDNN)子网交叉并联而成。如果被控对象为M个输入,N个输出,该MPIDNN就有2N个输入单元,隐含层有3N个处理单元,构成2N×3N×M结构的网络。它的输入层到隐含层是按子网独立的,而其隐含层至输出层的连接权则是相互交叉连接的,使整个多输出PIDNN结合为一体。其结构如图1所示。

(2)

Δωjh=η

J22m O

= ∑∑[Is(k) Os(k)] s x′sj(k) (3) ′′ ωsjh xhms=1k=1

式(3)中: OsO(k+1) Os(k)

=sgn[s′′′′(k) x′′ xhxhh(k 1)式(2)中:

] (4)

x′ ′ x′sjsj(k) xsj(k 1)

=sgn (5)

′′()(1) u′ ukuk sjsjsj

由式2可以看出系统的非线性特性及其输入输出

之间的强耦合特性。

4 粒子群算法(PSO)

4.1 PSO算法基本原理

PSO算法是Kennedy J和Eberhart R在1995年提出的,该算法是模拟鸟群的飞行觅食行为,通过个体之间的协作来搜寻最优解。设N维的搜索空间中,有m个粒子,其中第i个粒子的位置向量为Xi=(xi1,xi2,…,xiN),i=1,2,…,m,粒子的速度向量为Vi=(vi1,vi2,…,viN)。第i个粒子经过的最好位置(最优解)为Pbest,粒子群的最好位置记为Gbest。根据Kenddy等提出的PSO算法公式:

Vid(t+1)=vid(t)+c1 Rand1 (Pbest xid(t))

+c2 Rand2 (Gbest xid(t))

图1 MPIDNN控制系统拓扑结构图

由图1可知,被控系统是3输入2输出的多变量系统,层间的连接权值分别定义为ωsij和ωsjh,其中s为SPIDNN的数目。MPIDNN的价值函数为:

(1)

xid(t+1)=xid(t)+vid(t+1) (7)

价值函数为神经网络训练的依据,作为评估方法,

其中,Rand1和Rand2是[0,1]之间的随机数;c1和c2

在神经网络控制器设计中不可或缺。式子中:m为采

为加速因子,在每一维,粒子都有一个最大限速度样点的总数目;Is(k)、Os(k)分别为SPIDNN控制系

Vmax(Vmax>0),如果某一维速度超过设定的Vmax,则该统的输入与输出。

维速度被限定为Vmax。

Shi和Eberhart在1998年的论文中引入了惯性权3 反向传播(BP)算法

重的概念,将速度更新方程修改为: 1982年,Rumelhard和 Mcclelland等人提出了著

s=1

s=1k=1

J=∑Es=

2

1

m

∑∑[Is(k) Os(k)]

2m

2

(6)

名的BP算法,其思想是使用梯度搜索理论,以使得网络实际输出(计算输出)与期望输出(目标输出)的均方差达到最小。网络的学习过程是,将输出层误差反向传播回去,,并借以修正权值。图1的权值修改 130 研究开发 Research and Development

Vid(t+1)=ω vid(t)+c1 Rand1 (Pbest xid(t))

+c2 Rand2 (Gbest xid(t))

(8)

其中,ω为惯性权重,可见基本PSO算法的惯性权重

ω=1。

基于改进型粒子群算法的PID神经网络控制系统

Word文档免费下载:基于改进型粒子群算法的PID神经网络控制系统 (下载1-4页,共4页)

我要评论

相关主题

相关文档

【论文】基于改进粒子群算法的神经网络PID控制研究

采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验。仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所...

基于改进粒子群算法的模糊神经网络PID控制器设计

基于改进粒子群算法的模糊神经网络PID控制器设计_机械/仪表_工程科技_专业资料...但是对存在大干扰、高度非线性 及不确定性的复杂系统,传统PID控制依赖于精确 ...

基于合作粒子群算法的PID神经网络非线性控制系统_朴海国

与传统的BP算法相比, CPSO算法提高了控制系统的稳定性、 精确性 与鲁棒性. 关键词: PID神经网络; 粒子群算法; 非线性不对称控制; 稳定性; 鲁棒性; 合作粒子...

基于神经网络学习算法和粒子群算法的改进PID控制在高压...

本文将提出一种基于神经网络粒子群优化 算法的改进 PID 控制方法以实现公共连接点的电压 稳定控制,并对控制器的参数进行优化,使得系统 瞬态响应性能和控制性能达到...

【论文】基于改进粒子群算法整定的PID网络流量控制研究

基于改进粒子群算法整定的PID网络流量控制研究_专业资料。结合经典控制理论和优化控制理论设计了基于改进粒子群算法的PID(Proportion Integral Derivative)控制器,并与...

【论文】改进粒子群优化算法的PID交流伺服系统控制策略

改进粒子群优化算法的PID交流伺服系统控制策略_材料科学_工程科技_专业资料。第... 维普网 中国最大最早的专业内容网站 0 0 0.0 文档数 浏览总量 总评分...

毕业论文:基于粒子群算法的控制系统PID参数优化设计(终...

第I页 基于粒子群算法的控制系统 PID参数优化设计 摘要 本文主要研究基于粒子群算法控制系统PID参数优化设计方法以及对PID控制的改 进。PID参数的寻优方法有很多种...

基于粒子群算法的控制系统PID参数优化设计

要本文主要研究基于粒子群算法控制系统PID参数优化设计方法以及对PID控制的 改进...遗 传算法、神经网络算法等也还存在某些不足,前者要涉及到繁琐的编码解码过程和...

粒子群算法在PID神经网络优化中的应用

+ + xik,d 1 = xik, d + xik,d 1 (2) k i,d k i ,d 3.粒子群算法优化的 PID 神经元网络控制系统仿真 实例为了检验粒子群算法优化的 PID 神经元...

他们刚刚阅读过:

高中语文 第二单元 6《鸿门宴》课件 (5)

西安石油大学电工电子技术习题及答案1

《合同法与案例分析》

提高课堂效率 减轻学生负担

实现伟大中国梦读本继续教育测试题

南京电视台播控中心机房供配电系统改造

内部呈报文件处理单

ThinkCloud云计算管理平台简介

Windows安全高级应用-PPT07-V1.0

快消品行业基础知识

Ch23 行业供给

2015年1月东莞市寮步镇青少年活动中心公开招聘15名教职员公告

像山一样思考

内蒙古会计事务所业务收费标准

2016-2022年中国传动链行业深度分析与投资前景预测报告

实验六、植物基因组DNA提取

洑水镇卫生院开展

明码实价的话术

三年级数学下册 统计课件 人教新课标版

北师大版数学五年级下册《长方体的体积》PPT课件2013

2015-2016牛津译林版苏教版四年级英语上册Unit1 I like dogs教案(全)

浅谈初中语文朗读教学的缺失及对策


  本文关键词:基于合作粒子群算法的PID神经网络非线性控制系统,由笔耕文化传播整理发布。



本文编号:105282

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/rengongzhinen/105282.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cd99f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com