👨🎓个人主页:研学社的博客
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
PID控制器在工业应用中得到了广泛的应用,主要用于线性化系统。传统的PID控制器对系统模型的非线性和模型的不确定性处理较差。克服这些问题的许多方法之一是使用Wang和Yu提供的“基于神经元的非线性pid控制器”。
在这种控制方法中,每个神经元的权值在一个循环中更新。这意味着它是一个“在线”算法。因此控制信号可表示为:
这个非线性函数第四部分进行Matlab编程”。参数在(0,1)之间。当α使非线性函数线性化时。δ是一个很小的正数,用于产生a1α =这个非线性函数中x在0附近时的小线性面积。因为每个神经元都有自己的参数。
详细讲解见第四部分。
📚2 运行结果
2.1 单位步进跟踪
2.2 单位阶跃参考控制信号
2.3 总结
通过遗传算法最小化代价函数,取得了成功的结果。
这是一个预期的结果,因为为了最小化成本函数,我们应该最小化两件事跟踪误差和控制努力。我可以通过长时间运行遗传算法获得更好的结果,因为这些结果足够好,我决定停止算法。我还应该指出,增加会增加成本函数,并使找到正确的λ参数变得更加困难。因为我已经取得了很好的结果没有惩罚太多的控制努力。所以局部最小值应该在参数的最小差异之间。这是用遗传算法进行优化时所期望的现象。该算法完全随机生成种群,这使得它是一个随机过程,有时很难找到敏感的局部最小值。
🎉3 参考文献
部分理论来源于网络,如有侵权请联系删除。
[1]蒋勇,陈华.基于GA的工程整定模糊PID烧结温度控制器[J].轻金属,2011(07):19-22.DOI:10.13662/j.cnki.qjs.2011.07.001.
[2]张鹏. 基于伸缩因子的模糊PID自整定液位控制系统研究[D].武汉科技大学,2009.