当前位置:主页 > 科技论文 > AI论文 >

BP神经网络算法的改进及其在PID控制中的应用研究

发布时间:2020-07-14 22:50
【摘要】: 作为人工智能的重要组成部分,人工神经网络有较大的应用潜力。本文在阐述了神经网络的发展、现状、基本原理及其在自动控制中的应用的基础上,主要研究BP神经网络的结构与算法及其在PID控制中的应用。 BP神经网络是目前应用较多的一种神经网络结构。它能以任意精度逼近任意非线性函数,而且具有良好的逼近性能,并且结构简单,是一种性能优良的神经网络。因此,BP神经网络在运用于PID控制时具有其独特的优势。 本文研究了BP神经网络的数学理论,详细分析了几种流行的BP神经网络学习算法的优缺点。针对一般BP算法收敛速度慢,易陷入局部极小值的缺陷,本文受Fletcher-Reeves线性搜索方法的指引,提出了基于改进共轭梯度法的BP算法。本文从理论方面对算法进行了深入的分析,介绍了算法的详细思路和具体过程。并将算法训练后的BP神经网络运用到函数逼近中去。仿真结果表明,这种改进方案确实能够改善算法在训练过程中的收敛特性,而且提高收敛速度,取得令人满意的逼近效果。 将BP神经网络运用于PID控制中,能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时出现的参数整定不良和性能欠佳等缺陷。本文在研究了基于BP神经网络的PID控制器结构和算法的基础上,用改进共轭梯度算法对神经网络PID控制器参数进行在线整定,提出了一种基于改进BP神经网络的PID控制方法。仿真结果表明,这种改进方案不仅能够提高算法在训练过程中的收敛速度,而且训练后的BP神经网络具有较强的自适应和自学习能力,对PID控制器参数实现在线整定,从而进一步提高了控制器的性能。
【学位授予单位】:天津大学
【学位级别】:硕士
【学位授予年份】:2006
【分类号】:TP183;TP273
【图文】:

节点,单元,多层神经元网络,样本


图 3.1 基于 BP 算法的多层前馈型网络的结构BP算法是在导师指导下,适合于多层神经元网络的一种学习,它是建立降法的基础上的。理论证明,含有一个隐含层的BP网络可以实现以任意任何连续非线性函数[6]。设含有共 L 层和 n 个节点的一个任意网络,每层单元只接受前一层的输输出给下一层各单元,各节点(有时称为单元)的特性为 Sigmoid 型(可微的,不同于感知器中的线性阈值函数,因为它是不连续的)。为简认为网络只有一个输出 y。设给定 N 个样本 ,任i的输出为 ,对某一个输入为 ,网络的输出为 ,节点 的输出为 研究第l层的第( x,y)(k1,2,,N)kk=…iOkxkyiOj个单元,当输入第 个样本时,节点kj的输入为∑ =jljklijljknetwO1

BP神经网络算法的改进及其在PID控制中的应用研究


原始输入图

网络仿真


BP网络仿真图

【引证文献】

相关期刊论文 前2条

1 蒋伟;王小岑;;基于BP神经网络的煤矿水泵系统控制方法研究[J];工矿自动化;2011年11期

2 王野平;陈文倩;江华荣;;基于BP算法的中密度纤维板热压机压力控制研究[J];华东交通大学学报;2012年04期

相关博士学位论文 前1条

1 宫晓春;可倾瓦轴承—转子系统的非线性动力学分析与主动控制[D];哈尔滨工业大学;2011年

相关硕士学位论文 前10条

1 李杜;字符识别技术研究及其在机器视觉测控中的应用[D];江南大学;2011年

2 蒋宗盛;变速风力发电机组最优风能捕获控制策略研究[D];沈阳工业大学;2011年

3 杨恒玲;温泉水温智能监控系统[D];中南大学;2011年

4 胡文涛;热流计校准装置及其温度控制系统研究[D];上海交通大学;2012年

5 毕武;基于神经网络的木材干燥控制系统研究与设计[D];吉林大学;2011年

6 邴立丽;基于新型农村合作医疗保险信息系统[D];长春工业大学;2011年

7 肖昕;锂离子动力电池化成检测系统的设计与实现[D];中南大学;2008年

8 曹公博;无轴ESTA涂装系统轮廓控制策略的研究[D];东北大学;2008年

9 张天增;基于神经网络的自动寻边系统的研究与设计[D];东北大学;2008年

10 王夙U

本文编号:2755604


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/rengongzhinen/2755604.html


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

版权申明:资料由用户a6a21***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