【摘要】： 作為人工智能的重要組成部分,人工神經(jīng)網(wǎng)絡(luò)有較大的應(yīng)用潛力。本文在闡述了神經(jīng)網(wǎng)絡(luò)的發(fā)展、現(xiàn)狀、基本原理及其在自動(dòng)控制中的應(yīng)用的基礎(chǔ)上,主要研究BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與算法及其在PID控制中的應(yīng)用。 BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用較多的一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它能以任意精度逼近任意非線性函數(shù),而且具有良好的逼近性能,并且結(jié)構(gòu)簡單,是一種性能優(yōu)良的神經(jīng)網(wǎng)絡(luò)。因此,BP神經(jīng)網(wǎng)絡(luò)在運(yùn)用于PID控制時(shí)具有其獨(dú)特的優(yōu)勢。 本文研究了BP神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理論,詳細(xì)分析了幾種流行的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的優(yōu)缺點(diǎn)。針對一般BP算法收斂速度慢,易陷入局部極小值的缺陷,本文受Fletcher-Reeves線性搜索方法的指引,提出了基于改進(jìn)共軛梯度法的BP算法。本文從理論方面對算法進(jìn)行了深入的分析,介紹了算法的詳細(xì)思路和具體過程。并將算法訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)運(yùn)用到函數(shù)逼近中去。仿真結(jié)果表明,這種改進(jìn)方案確實(shí)能夠改善算法在訓(xùn)練過程中的收斂特性,而且提高收斂速度,取得令人滿意的逼近效果。 將BP神經(jīng)網(wǎng)絡(luò)運(yùn)用于PID控制中,能夠有效克服經(jīng)典PID控制器在被控對象具有非線性、時(shí)變不確定性和難以建立精確的數(shù)學(xué)模型時(shí)出現(xiàn)的參數(shù)整定不良和性能欠佳等缺陷。本文在研究了基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)和算法的基礎(chǔ)上,用改進(jìn)共軛梯度算法對神經(jīng)網(wǎng)絡(luò)PID控制器參數(shù)進(jìn)行在線整定,提出了一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的PID控制方法。仿真結(jié)果表明,這種改進(jìn)方案不僅能夠提高算法在訓(xùn)練過程中的收斂速度,而且訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自適應(yīng)和自學(xué)習(xí)能力,對PID控制器參數(shù)實(shí)現(xiàn)在線整定,從而進(jìn)一步提高了控制器的性能。
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2006
【分類號(hào)】：TP183;TP273
【圖文】：

圖 3.1 基于 BP 算法的多層前饋型網(wǎng)絡(luò)的結(jié)構(gòu)BP算法是在導(dǎo)師指導(dǎo)下，適合于多層神經(jīng)元網(wǎng)絡(luò)的一種學(xué)習(xí)，它是建立降法的基礎(chǔ)上的。理論證明，含有一個(gè)隱含層的BP網(wǎng)絡(luò)可以實(shí)現(xiàn)以任意任何連續(xù)非線性函數(shù)[6]。設(shè)含有共 L 層和 n 個(gè)節(jié)點(diǎn)的一個(gè)任意網(wǎng)絡(luò)，每層單元只接受前一層的輸輸出給下一層各單元，各節(jié)點(diǎn)（有時(shí)稱為單元）的特性為 Sigmoid 型（可微的，不同于感知器中的線性閾值函數(shù)，因?yàn)樗遣贿B續(xù)的）。為簡認(rèn)為網(wǎng)絡(luò)只有一個(gè)輸出 y。設(shè)給定 N 個(gè)樣本 ，任i的輸出為 ，對某一個(gè)輸入為 ，網(wǎng)絡(luò)的輸出為 ，節(jié)點(diǎn) 的輸出為 研究第l層的第( x,y)(k1,2,,N)kk=…iOkxkyiOj個(gè)單元，當(dāng)輸入第 個(gè)樣本時(shí)，節(jié)點(diǎn)kj的輸入為∑ =jljklijljknetwO1

原始輸入圖

BP網(wǎng)絡(luò)仿真圖

【引證文獻(xiàn)】

相關(guān)期刊論文 前2條

1 蔣偉;王小岑;;基于BP神經(jīng)網(wǎng)絡(luò)的煤礦水泵系統(tǒng)控制方法研究[J];工礦自動(dòng)化;2011年11期

2 王野平;陳文倩;江華榮;;基于BP算法的中密度纖維板熱壓機(jī)壓力控制研究[J];華東交通大學(xué)學(xué)報(bào);2012年04期

相關(guān)博士學(xué)位論文 前1條

1 宮曉春;可傾瓦軸承—轉(zhuǎn)子系統(tǒng)的非線性動(dòng)力學(xué)分析與主動(dòng)控制[D];哈爾濱工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李杜;字符識(shí)別技術(shù)研究及其在機(jī)器視覺測控中的應(yīng)用[D];江南大學(xué);2011年

2 蔣宗盛;變速風(fēng)力發(fā)電機(jī)組最優(yōu)風(fēng)能捕獲控制策略研究[D];沈陽工業(yè)大學(xué);2011年

3 楊恒玲;溫泉水溫智能監(jiān)控系統(tǒng)[D];中南大學(xué);2011年

4 胡文濤;熱流計(jì)校準(zhǔn)裝置及其溫度控制系統(tǒng)研究[D];上海交通大學(xué);2012年

5 畢武;基于神經(jīng)網(wǎng)絡(luò)的木材干燥控制系統(tǒng)研究與設(shè)計(jì)[D];吉林大學(xué);2011年

6 邴立麗;基于新型農(nóng)村合作醫(yī)療保險(xiǎn)信息系統(tǒng)[D];長春工業(yè)大學(xué);2011年

7 肖昕;鋰離子動(dòng)力電池化成檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中南大學(xué);2008年

8 曹公博;無軸ESTA涂裝系統(tǒng)輪廓控制策略的研究[D];東北大學(xué);2008年

9 張?zhí)煸?基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)尋邊系統(tǒng)的研究與設(shè)計(jì)[D];東北大學(xué);2008年

10 王夙U

本文編號(hào)：2755604