本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)型參數(shù)整定的智能PID控制研究，由筆耕文化傳播整理發(fā)布。

中國石油大學(xué)(華東) 碩士學(xué)位論文 基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)型參數(shù)整定的智能PID控制研究 姓名:劉燕燕 申請學(xué)位級別:碩士 專業(yè):計算機應(yīng)用技術(shù) 指導(dǎo)教師:史永宏 20090501要 摘 控制以其結(jié)構(gòu)簡單、可靠性高、易于工程實現(xiàn)等優(yōu)點至今仍被廣泛應(yīng)用。在系 統(tǒng)模型參數(shù)變化不大的情況下,控制性能優(yōu)良。但隨著現(xiàn)代工業(yè)的發(fā)展,工業(yè)生產(chǎn) 過程往往具有非線性、不確定性,難以建立精確的數(shù)學(xué)模型,應(yīng)用常規(guī)的控制器難 以達(dá)到理想的控制效果。 人工神經(jīng)網(wǎng)絡(luò) 具有自學(xué)習(xí)、自適應(yīng)和自組織的能 力,將與傳統(tǒng)的控制結(jié)合,構(gòu)成智能型的神經(jīng)網(wǎng)絡(luò)控制器。它不需建立 精確的數(shù)學(xué)模型,能夠自動辨識被控過程參數(shù)、自動整定控制參數(shù)、適應(yīng)被控過程參數(shù) 的變化,是解決傳統(tǒng)控制器參數(shù)整定難、不能實時調(diào)整參數(shù)和魯棒性不強的有效措 施。 本文主要做了兩部分工作:首先,對傳統(tǒng)的控制算法進(jìn)入深入分析,針對系統(tǒng) 對積分項的要求,偏差大時積分作用應(yīng)該減弱,偏差小時應(yīng)該加強。基于這一思想,對 控制算法進(jìn)行改進(jìn),在變速積分的基礎(chǔ)上提出了彈性積分算法,仿真研究表明 該算法有利于系統(tǒng)的穩(wěn)定。其次,重點研究了神經(jīng)網(wǎng)絡(luò)控制器。在算法中, 初始權(quán)值的選擇對于局部極小點的防止和網(wǎng)絡(luò)收斂速度的提高均有一定程度的影響,如 果初始權(quán)值范圍選擇不當(dāng),學(xué)習(xí)過程一開始就可能出現(xiàn)“假飽和現(xiàn)象,甚至進(jìn)入局部 極小點,網(wǎng)絡(luò)根本不收斂。因此,利用粒子群優(yōu)化算法具有全局搜索的優(yōu)點對 網(wǎng)絡(luò)的初始權(quán)值進(jìn)行優(yōu)化,避免了可能出現(xiàn)的收斂速度慢,存在局部極小點等問題。針 對粒子群算法的早熟現(xiàn)象,將變異思想引入到粒子群算法中,并將改進(jìn)的.混合 算法用于對神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行優(yōu)化。 本文對彈性積分控制算法和變速積分控制算法進(jìn)

  本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)型參數(shù)整定的智能PID控制研究，由筆耕文化傳播整理發(fā)布。