基于RBF神经网络的PID自校正控制研究及应用

发布时间：2017-12-20 09:25

  本文关键词：基于RBF神经网络的PID自校正控制研究及应用　出处：《安徽理工大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： RBF神经网络 PID自校正控制 非线性系统 人工晶体

【摘要】：PID控制具有算法简单、鲁棒性强和容易操作等优点被广泛应用于化工、电力等控制领域,也是最早发展起来的控制方法之一。由于传统PID控制过分依赖于对象的数学模型、参数难以确定,对时变性和非线性的系统难以适应,而神经网络具有很强的适应性、多目标学习能力和能以任意精度逼近非线性连续函数等优点,所以被广泛应用在非线性控制领域。本文提出了一种将神经网络和自适应控制方法相结合的神经网络自适应控制方法,即基于RBF神经网络的PID自校正控制方法。本文首先简要介绍了 PID控制原理,传统的PID控制方法即位置式PID控制算法和增量式PID控制算法以及自校正PID控制算法,接着又介绍了 RBF网络的结构和学习算法以及RBF神经网络的辨识。重点部分是在RBF神经网络PID自校正控制方法不足的基础上,提出了两种改进的方法,一种是在梯度下降法中引入PID参数动量因子的平方,此算法是在同一梯度方向上增加修正量,保证修正结果是沿着参数收敛的方向进行的,当权值修正过快时,让权值的更新具有一定的惯性克服由较大学习速率造成非线性系统的不稳定问题;另一种是增加输入参数的数量,来抑制比例参数Kp和积分参数K1的过快增大,延迟由于PID参数过快增大导致系统发散的时间,可以在一定程度上抑制控制系统的快速发散。仿真结果表明,这两种改进方法都具有很好的控制效果。最后将基于RBF神经网络的PID自校正方法应用于人工晶体生长温度控制中,为了有效地达到温控效果,在梯度下降法中引入PID参数动量因子的平方,仿真结果表明,改进的方法在晶体生长温控中取得了很好的控制效果。
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP273;TP183

【参考文献】

中国期刊全文数据库 前10条

1 许蓝云;董嘉铭;马婧;谷亮;曾繁明;李春;林海;;氟化钙晶体生长及性能研究[J];长春理工大学学报(自然科学版);2016年04期

2 刘斌;孙久强;崔洋洋;柳玉昕;潘颖;;基于BP神经网络的连续搅拌反应釜PID自校正控制[J];化工自动化及仪表;2015年08期

3 贺争汉;王大为;史亚维;屈毅;;RBF辨识PID控制器在温室温度控制中的应用研究[J];电子设计工程;2013年22期

4 左韬;黄海波;肖永军;;基于自校正控制的空间光通信精跟踪系统设计[J];仪器仪表学报;2012年05期

5 高会忠;吕丽霞;要亚斌;;基于自校正PID控制的单元机组CCS的仿真研究[J];仪器仪表用户;2012年01期

6 王小伟;周美娇;王芳;;基于MATLAB的自校正PID控制研究[J];微计算机信息;2011年12期

7 仲元昌;郭耿涛;贾年龙;赵贞贞;;晶体生长炉的PID神经网络温度控制算法[J];人工晶体学报;2010年05期

8 关艳翠;;自校正PID算法在电炉温度控制中的应用[J];科技信息;2009年06期

9 王田;薛建中;习志勇;赵坤姣;郝德锋;;基于RBF神经网络辨识的过热蒸汽温度控制[J];热力发电;2008年10期

10 蔡满军;刘建军;刘明坤;;基于RBF网络自整定PID控制的改进算法[J];控制工程;2008年01期

中国硕士学位论文全文数据库 前9条

1 张翠;基于RBF神经网络的机械臂运动控制算法及应用研究[D];兰州交通大学;2014年

2 李草苍;基于RBF神经网络序贯学习算法的单神经元PID控制[D];西南交通大学;2014年

3 张诚;基于模型预测控制的硅单晶体提拉效果仿真研究[D];东华大学;2014年

4 胡海波;电石生产过程自校正PID控制研究[D];南京理工大学;2010年

5 李强;大滞后温度系统的控制方法研究[D];西南交通大学;2009年

6 傅楚楚;转台自校正PID控制系统设计[D];哈尔滨工业大学;2009年

7 曹文霞;RBF神经网络整定PID控制直线永磁同步电机的研究[D];合肥工业大学;2009年

8 王兆刚;基于RBF神经网络自适应PID的焙烧炉温度控制算法研究[D];兰州理工大学;2008年

9 王珏;小脑模型神经网络控制器在水下机器人中的应用[D];哈尔滨工程大学;2004年

，

本文编号：1311581