基于模糊神经网络PID的钻杆排放控制系统设计

发布时间：2020-06-29 22:48

【摘要】：本文为克服钻杆在排放过程中存在的非线性问题和保证钻杆在排放过程中运动的平稳性。本文采用鲁棒控制和模糊神经网络控制器相结合的实时控制器来保证所设计控制系统的稳定性和控制效果。构建的模糊神经网络PID控制器,可用于实时辨识被控对象模型,并提供非线性关系的动态模型。通过实验仿真表明本文所设计的模糊神经网络PID控制器具有良好的动态特性和鲁棒性。
【图文】：

结构图,控制结构图

整，使本控制器既有模糊神经网逦／２（ｉｊ）邋＝邋ｅｘｐ）－［／；（（ｉ）￣Ｃｉ，＇１２）逦（２）逡逑络的优点，又可充分发挥ＰＩＤ控制器的控制优势［７］。逦？２逡逑其中，ｉ＝ｌ，邋２；邋ｊ＝ｌ，邋２，邋．．．６。和Ｃｉｊ分别表示为标准差逡逑３改进的模糊神经网络ＰＩＤ控制逦和均差。逡逑３．１控制系统结构逦（３邋）第三层。次层的输出值为由上一层中的模糊量两两逡逑本文结合钻杆排放控制系统的构建，将钻杆搬运机械手逦相乘的值得到。因此，本层的活化函数可表示为：逡逑的位置作为被控变量，如图２所示为模糊神经ＰＩＤ控制系统逦ｆ山，Ｑ邋＝邋ｆ八说八逡逑结构图。逦／，㈦＝办（以），．．．；＾々）］逡逑逦邋逦邋其中邋ｋ＝ｌ，邋２，邋３，邋４，邋５，邋６。逡逑ｒＵ（ｔ）逦■邋－邋■■逦￣｜逦（邋４邋）第四层。次层输出是ＰＩＤ控制器的工艺参数，本层逡逑？逦丨．0－１邋．误差的输出值为上一次的输出值乘以加权值得到。因此，本层的逡逑ｐＨ—神：经—［ｐ递刚络卜￣输出可表示为：逡逑山逦Ｔ邋Ｔ邋ｗ逦－ｉ逦ｙｉｋ）逦／４（１）邋＝Ａ：ｐ邋＝邋ｆ］ｗ（ｌｊ）逡逑＾逦邋ｆｔ邋（２）邋＝ｋｉ邋＝邋Ｙ，ｗ邋（２邋ｊ）邋－ｆ３邋0＇）逡逑Ｊ：ｌ逦（４）逡逑图２模糊神经ＰＩＤ控制结构图逦⑶＝ｋｄ邋＝邋ｉｗｉ３，ｊ）．ｆｉ｛ｊ）逡逑图２中ｒ为上位机输人的机械手的位置，ｅ和ｅｃ分别逦ＰＩＤ控制器＾目标函数为：逡逑表示位置误差和位置误差变化率，ｙ表示移动机械手的实际逦＜／（ｆｃ）＝ｅ２⑷／２邋＝卜（ｆｃ）＿２／⑷１２／２逦（５）逡逑输出。逦上式中ｒ（ｋ）为期望的输出值。逡逑３．２模糊神经网络的结构逦３．３动态递归网络模型

结构图,模糊神经网络

控制器＾目标函数为：逡逑表示位置误差和位置误差变化率，ｙ表示移动机械手的实际逦＜／（ｆｃ）＝ｅ２⑷／２邋＝卜（ｆｃ）＿２／⑷１２／２逦（５）逡逑输出。逦上式中ｒ（ｋ）为期望的输出值。逡逑３．２模糊神经网络的结构逦３．３动态递归网络模型辨识逡逑本文所设计的模糊神经网络主要分为４层。第Ｉ层表示逦本文采用神经网络的内部状态反馈对被控系统的非线性逡逑输人层；第２层表示为模糊化层；第３层表示模糊推理层；逦行为进行描述，利用了模糊控制的在线辨识实时监控钻杆排逡逑第４层则为位置输出层。如图３所示为模糊神经网络的结构图，邋放系统的模型，如图４所示，建立了一个三层的递归神经网逡逑结构为２－６－６－３方式。逦络结构。逡逑输入逦模糊逦模＾逦输出逦图４递归神经网络结构逡逑ｐ逦ｍ逦推理层逦层逡逑Ｂ逦￡逦三层递归神经网络的隐含层节点之间都具有动态递归的逡逑图３模糊神经网络的结构逦连接性，因此，输人输出关系可表示为：逡逑ＧＯ邋Ｉ智能机器人逡逑

【相似文献】