基于bp神经网络的pid算法,基于单神经元的pid控制

最新推荐文章于 2024-02-11 01:29:54 发布

阳阳2013哈哈

最新推荐文章于 2024-02-11 01:29:54 发布

阅读量853

点赞数 1

分类专栏：物联网文章标签： BP神经网络 PID控制器非线性系统参数整定在线调整

本文链接：https://blog.csdn.net/mynote/article/details/126453586

版权

物联网专栏收录该内容

325 篇文章 5 订阅

订阅专栏

基于BP神经网络的PID控制器设计

参考一下刘金琨的《先进PID控制》这本书。

例子：被控对象yout(k)=a(k)yout(k-1)/(1+yout(k-1)^2)+u(k_1)其中a（k）=1.2(1-0.8e^(-0.1k))输入信号：rin（k）=1.0和rin（k）=sin（2t）%BPbasedPIDControlclearall;closeall;xite=0.25;//学习速率alfa=0.05;//惯性系数S=1;%SignaltypeIN=4;H=5;Out=3;%NNStructureifS==1%StepSignalwi=[-0.6394-0.2696-0.3756-0.7023;-0.8603-0.2013-0.5024-0.2596;-1.07490.5543-1.6820-0.5437;-0.3625-0.0724-0.6463-0.2859;0.14250.0279-0.5406-0.7660];%wi=0.50*rands(H,IN);wi_1=wi;wi_2=wi;wi_3=wi;wo=[0.75760.26160.5820-0.1416-0.1325;-0.11460.29490.83520.22050.4508;0.72010.45660.76720.49620.3632];%wo=0.50*rands(Out,H);wo_1=wo;wo_2=wo;wo_3=wo;endifS==2%SineSignalwi=[-0.28460.2193-0.5097-1.0668;-0.7484-0.1210-0.47080.0988;-0.71760.8297-1.60000.2049;-0.08580.1925-0.63460.0347;0.43580.2369-0.4564-0.1324];%wi=0.50*rands(H,IN);wi_1=wi;wi_2=wi;wi_3=wi;wo=[1.04380.54780.86820.14460.1537;0.17160.58111.12140.50670.7370;1.00630.74281.05340.78240.6494];%wo=0.50*rands(Out,H);wo_1=wo;wo_2=wo;wo_3=wo;endx=[0,0,0];u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;y_1=0;y_2=0;y_3=0;Oh=zeros(H,1);%OutputfromNNmiddlelayerI=Oh;%InputtoNNmiddlelayererror_2=0;error_1=0;ts=0.001;fork=1:1:6000time(k)=k*ts;ifS==1rin(k)=1.0;elseifS==2rin(k)=sin(1*2*pi*k*ts);end%Unlinearmodela(k)=1.2*(1-0.8*exp(-0.1*k));yout(k)=a(k)*y_1/(1+y_1^2)+u_1;error(k)=rin(k)-yout(k);xi=[rin(k),yout(k),error(k),1];x(1)=error(k)-error_1;x(2)=error(k);x(3)=error(k)-2*error_1+error_2;epid=[x(1);x(2);x(3)];I=xi*wi';forj=1:1:HOh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));%MiddleLayerendK=wo*Oh;%OutputLayerforl=1:1:OutK(l)=exp(K(l))/(exp(K(l))+exp(-K(l)));%Gettingkp,ki,kdendkp(k)=K(1);ki(k)=K(2);kd(k)=K(3);Kpid=[kp(k),ki(k),kd(k)];du(k)=Kpid*epid;u(k)=u_1+du(k);ifu(k)>=10%Restrictingtheoutputofcontrolleru(k)=10;endifu(k)。

谷歌人工智能写作项目：小发猫

找英语达人帮忙翻译一段文字。。。。 15

rfid。

Currently,thePIDstructureissimple,butbyadjustingtheproportionintegralanddifferentialobtainbasicsatisfactorycontrolperformance,widelyusedinpowerplantallkindsofcontrolprocess.Powerplantmainsteamtemperaturecontrolledobjectisabiginertia,time-delayed,nonlinearandobjectchangessystem,conventionalsteamtemperaturecontrolsystemforcascadePIDcontrolorguidedifferentialcontrol,whentheunitbeforethestableoperation,thegeneralwillmainsteamtemperaturecontrolinallowingrange.Butwhenrunningconditionwhengreatchangeshavetakenplace,butitwasdifficulttoensurethatthecontrolquality.ThereforethispaperstudiesbasedonBPneuralnetworkPIDcontrol,usingneuralnetworkself-learning,nonlinearandnotrelyonthemodelofcharacteristicstorealizePIDparametersonlineauto-tuning,makefulluseoftheadvantagesofPIDandneuralnetwork.ThisplaceUSESamultilayerfeedforwardneuralnetwork,andadoptsbackpropagationalgorithm,basedonreal-timeoutputcontrolrequirementsforKi,KdKpmohan,PIDcontroller,ordinalasthereal-timeparameters,insteadofthetraditionalPIDparametersdependonexperienceneatlyandengineeringsetting,inordertoachievethetemperaturesystemoftime-delayedLordgoodcontrol.ForsuchasysteminMATLABsimulationresearch,thesimulationresultsshowthatbasedontheBPneuralnetworkauto-tuningPIDcontrolhasfineself-adaptivecapacityandtheabilitytolearn,tochangethesystemChiYanHeobjectlargecangetagoodcontroleffect.。

PID控制器的参数整定

。

PID控制器参数整定与实现》-图书信息书名:PID控制器参数整定与实现作　者：黄友锐，曲立国出版社：中国科学出版社出版时间：2010-1-1开本：16开定价:39.00元《PID控制器参数整定与实现》-内容简介本书是作者多年来在基于自然计算的PID控制器参数整定与实现方面进行深入研究的基础上撰写而成的。

在吸收国内外许多具有代表性的最新研究成果的基础上，本书着重介绍作者在这一领域的研究成果，主要包括：PID控制器参数整定方法；分数阶PID控制器的参数整定；基于QDRNN的多变量PID控制器参数整定；数字PID控制器的FPGA实现；基于BP神经网络的PID控制器的FPGA实现；基于遗传算法的PID控制器的FPGA实现；基于粒子群算法的PID控制器的FPGA实现；主要算法的基本程序。

本书可作为与自动化相关专业的师生、研究人员以及工程技术人员的参考书。

《PID控制器参数整定与实现》-图书目录前言第1章绪论第2章PID控制器参数整定方法第3章分数阶PID控制器的参数整定第4章基于QDRNN的多变量PID控制器参数整定第5章数字PID控制器的FPGA实现第6章基于BP神经网络的PID控制器的FPGA实现第7章基于遗传算法的PID控制器的FPGA实现第8章基于粒子群算法的PID控制器的FPGA实现附录参考文献。

中翻英。。。悬赏。。。 100

摘要abstarct本文首先论述了人工神经网络的发展概况和神经网络的控制理论。

在此基础上，融神经网络理论和PID控制技术于一体，深入研究了基于BP算法的神经网络PID控制器和基于RBF算法的神经网络PID控制器。

研究了神经PID控制方法，实现了PID参数在线调整，对非线性控制系统进行了仿真研究。

介绍了复杂控制规律的S函数构造方法,构造出了基于Simulink的BP神经网络PID控制器的模型,并得到用该模型来控制一非线性对象的仿真结果。

该控制器设计避免了在复杂系统仿真时编写大量复杂而烦琐的源程序,使编程快速、简捷,调试方便,使系统仿真工作量大大减少。

利用Matlab作为控制系统的开发工具，通过在线的调整神经网络权值，实现了对非线性受控对象的有效控制。

Manpowerneuralnetworksdevelopmentgeneralsituationandtheneuralnetworkscontroltheorythemainbodyofabookhasbeendiscussedfirst.Melthereonthebasis,nerveelectricalnetworktheoryandPIDcontroltechniqueYuanintegralwhole,godeepintothecontrollerhavingstudiedowingtoalgorithmicneuralnetworksofBPPIDcontrollerandowingtoalgorithmicneuralnetworksofRBFPID.ThecontrolmethodhavingstudiednervePID,hasrealizedonlinePIDparameteradjustment,hasbeeninprogresstononlinearcontrolsystemsimulatingstudying.IntroducethatcomplicatedcontrolthelawSfunctionstructuremethod,structurehasputuptheSimulinkBPneuralnetworksPIDcontroller-basedmodel,andtheemulationresultbeingusedthatmodeltocometocontrolonenonlinearitymarriagepartner.Thatcontrollerbeingdesignedhavingavoidedcompilingandcomposinglargeamountofcomplicatedbutoverlaboratesourceprogramduringtheperiodofcomplicatedsystemsimulates,beingmakingaprogrammingspeedy,simpleanddirect,beingdebuggingtogotothelavatory,makessimulatedamountofworkofsystemdeplete.HavemadeuseofMatlabtobenavarexploitationimplement,byonlineadjustmentneuralnetworksrightvalue,havecometruetononlinearityeffectivebychargingamarriagepartnercontrol.关键词：非线性控制；神经PID控制；神经网络Keywords:Nonlinearityunderthecontrolof;PIDcontrolsnerve;Neuralnetworks这样就可以了。