f4 stm32 神经网络_用STM32F407玩控制—神经网络PID控制

在玩51单片机时就想玩神经网络PID控制，但51单片机的数据存储器地址空间很小，就普通的应用，要增加一个变量尚且“抖抖哗哗”，更遑论玩神经网络PID控制，那可需要非常多的变量，而玩STM32F407就不存在这方面问题了。转入正题，大部分书上的神经网络PID控制，讲的是BP神经网络PID控制，举的例子都是非线性系统，通常仿真效果都不错，但BP神经网络PID控制有一个限制，就是kp、ki、kd小于1，这就限制了它的应用范围，如果kp、ki、kd>1，那就得改进，而刘金琨的《先进PID控制 MATLAB仿真》一书中讲了一种RBF神经网络PID控制，它突破了前者的限制，其原理如图1所示，图中RBF NN1神经网络根据偏差e、Jacobian等信息计算Δkp、Δki、Δkd，RBF NN2神经网络用于系统辨识，然后算出Jacobian信息并传递给RBF NN1，PID控制器的实际PID参数为：kp=kp0+Δkp、ki=ki0+Δki、kd=kd0+Δkd，剩下的过程就是普通PID控制了，C语言中实现径向基神经网络(RBF NN)并不难，只需照抄计算公式就行，如果说有什么注意要点的话，那就是要细心、细心、再细心，我们在STM32F407中做的神经网络PID控制，其效果如图2所示，从图中可以看出，这是一个大纯滞后系统，系统中也加入有白噪声，我们可以看出控制效果还是相当好，此外，一般说来，神经网络PID控制对初始PID值的选取不是很敏感，当然也不能偏的太多。

这个专题就到此结束了，本来还想玩实时PID参数优化、预测控制等APC内容，但由于：1玩电脑头颈很累，2也兴趣转移，所以就不想再玩下去了，以后再说了。

本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有，本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播，或不应无偿使用，请及时通过电子邮件或电话通知我们，以迅速采取适当措施，避免给双方造成不必要的经济损失。