PID神经网络多变量控制算法的研究与改进

发布时间：2017-09-02 11:28

  本文关键词：PID神经网络多变量控制算法的研究与改进

  更多相关文章： PID神经网络 多变量 输出函数 MPIDNN

【摘要】：在工业控制中人们喜欢用PID控制器,主要是因为它简单,稳定,可靠,容易调整.然则PID控制应对不了非线性,大时滞,不确定、多变量强耦合等大系统的控制要求.人工神经网络的发展,启发学者将神经网络的精髓融入PID控制中.舒怀林教授提出了融入PID规律的内嵌式神经网络-PID神经网络(PIDNN).该网络的隐含层参照PID三大性能：微分、积分、比例构建.PID神经网络的优势在于它的初始权值可以依赖PID控制律进行设置.但有些控制系统没有积累到PID控制经验,只能随机设置初始权值.而没有规律的初始权值容易让PID神经网络陷入困境.为解决这个问题,很多研究者从各方面对PID神经网络进行改进.本文在上述学者的研究基础上,从网络的输出函数入手,对PID多变量神经网络(MPIDNN)进行了改进.本文提出了一种新的函数模型去替换原MPIDNN的比例阈值函数.接着用MATLAB软件对仿真例子进行实验.改进后的网络比原来的在收敛速度和输入输出逼近方面,都取到了更好的效果.本文的主要内容如下：首先阐述研究的选题背景和意义、国内外相关研究现状.接着介绍了PID神经网络的基础知识—神经网络的相关概念、BP神经网络.其中还叙述了PID控制原理、基于BP网络的PID控制器结构与缺陷等等.其次重点展示了PID神经网络的结构、PID神经网络(单变量控制系统SPIDNN多变量控制系统和的结构,算法).然后阐述了PID神经网络的稳定性定理,MPIDNN交代了初始权值的关键性.PIDNN最后本文从的输出函数出发,提出一种新的输出函数模型替换原网络的MPIDNN输出函数-比例阈值函数.针对一个3输入3输出的耦合系统,进行仿真.仿真图显示改进后的算法的收敛速度明显加快,误差控制得更好.MPIDNN最后阶段本文还对阐述内容做个总结.然后针对本文的研究内容和研究方向,指出这个方向的研究前景和发展空间、还有可以进一步探讨的问题.
【关键词】：PID神经网络 多变量 输出函数 MPIDNN
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 绪论11-18
• 1.1 研究的背景和意义11-12
• 1.2 国内外的研究现状12-17
• 1.2.1 智能控制与PID控制结合的研究现状12-15
• 1.2.2 PID神经网络的研究现状15-17
• 1.3 论文组织结构17-18
• 第二章 PID神经网络的准备知识18-28
• 2.1 人工神经网络的理论基础18-20
• 2.2 BP神经网络的概述和介绍20-25
• 2.2.1 BP神经网络20-21
• 2.2.2 BP算法的数学描述21-24
• 2.2.3 BP算法程序的实现24-25
• 2.3 PID控制器介绍25-26
• 2.4 基于BP神经网络的PID控制器26-27
• 2.4.1 基于BP网络PID控制算法的缺陷27
• 2.5 本章小结27-28
• 第三章 PID神经网络—PIDNN28-40
• 3.1 PID神经网络单变量控制系统理论28-34
• 3.1.1 SPIDNN的前向算法29-31
• 3.1.2 SPIDNN的反向算法31-34
• 3.1.3 SPIDNN单变量控制系统的稳定性分析34
• 3.2 PID神经网络多变量控制系统理论34-38
• 3.2.1 MPIDNN的前向算法35-37
• 3.2.2 MPIDNN的反向算法37-38
• 3.3 PID神经网络初始权值的选取38-39
• 3.4 本章小结39-40
• 第四章 MPIDNN输出函数的研究与改进40-47
• 4.1 MPIDNN输出函数的分析40-41
• 4.2 MPIDNN输出函数的改进41-42
• 4.3 MPIDNN仿真实例42-46
• 4.4 本章小结46-47
• 结论47-48
• 参考文献48-52
• 攻读学位期间发表的学位论文52-54
• 致谢54

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：778303