發(fā)布時(shí)間：2018-03-22 03:25

  本文選題：PID控制　切入點(diǎn)：遺傳算法　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：兩輪自平衡車是輪式移動(dòng)機(jī)器人的一種,它可以感知到外部環(huán)境的變動(dòng)并且根據(jù)此變動(dòng)做出相應(yīng)的動(dòng)態(tài)決策。它的結(jié)構(gòu)源自于倒立擺模型,因此它也包含倒立擺的不確定性、非線性和強(qiáng)耦合性等特點(diǎn)。可見(jiàn),兩輪自平衡車可以作為一個(gè)檢驗(yàn)各種控制算法的平臺(tái),因而對(duì)它的研究具有非常重要的理論意義。兩輪自平衡小車內(nèi)置了陀螺儀和加速度計(jì)用于采集小車的傾斜角度和角加速度,小車采用PID控制算法,通過(guò)調(diào)整比例P、積分I和微分D三個(gè)系數(shù)來(lái)使小車保持平衡性。傳統(tǒng)的控制過(guò)程通常是依靠人工經(jīng)驗(yàn)來(lái)調(diào)整這三個(gè)參數(shù)的,不僅費(fèi)時(shí)費(fèi)力,而且較難接近理想?yún)?shù)。所以,本文的研究目的是采用一些智能算法來(lái)實(shí)現(xiàn)控制過(guò)程的自適應(yīng)調(diào)整功能,提出結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)PID參數(shù)自整定。此外,通過(guò)分析Kalman濾波算法在單神經(jīng)元PID控制過(guò)程中的作用,將其應(yīng)用在小車的數(shù)據(jù)濾波中。遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法不改變PID控制過(guò)程,而是優(yōu)化PID參數(shù)的調(diào)整過(guò)程以替代人工經(jīng)驗(yàn)調(diào)整。遺傳算法先在有效的參數(shù)范圍內(nèi)生成一代染色體種群,然后依據(jù)PID控制效果來(lái)計(jì)算適應(yīng)度函數(shù),根據(jù)優(yōu)勝劣汰法則,選取適應(yīng)度較高的染色體繼續(xù)進(jìn)化。但計(jì)算適應(yīng)度的過(guò)程需要被控對(duì)象的參與,如果采用實(shí)體小車作為被控對(duì)象不僅不方便而且耗時(shí)長(zhǎng),為解決這一問(wèn)題,該方法充分利用了神經(jīng)網(wǎng)絡(luò)的模擬功能,用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模擬被控對(duì)象,協(xié)助遺傳算法計(jì)算適應(yīng)度函數(shù),繼而在遺傳算法進(jìn)化過(guò)程中逐代優(yōu)化PID控制器的參數(shù)。單神經(jīng)元網(wǎng)絡(luò)改變了傳統(tǒng)PID控制過(guò)程,把控制參數(shù)的調(diào)整轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)的權(quán)值迭代。單神經(jīng)元結(jié)構(gòu)簡(jiǎn)單,易于計(jì)算,可以在閉環(huán)控制過(guò)程中不斷地調(diào)整網(wǎng)絡(luò)的權(quán)值,從而優(yōu)化控制效果。針對(duì)實(shí)際的單神經(jīng)元PID控制器包含輸出噪聲,從而導(dǎo)致控制性能降低的問(wèn)題,本文提出采用Kalman濾波理論來(lái)改進(jìn)單神經(jīng)元自適應(yīng)PID控制算法。在改進(jìn)算法中,引入狀態(tài)空間的概念,采用時(shí)域上的遞推方法進(jìn)行數(shù)據(jù)濾波,控制對(duì)象的輸出值經(jīng)過(guò)Kalman濾波算法處理后再返回閉環(huán)控制系統(tǒng)。本文對(duì)兩輪自平衡小車進(jìn)行了實(shí)驗(yàn),以及做了大量的仿真實(shí)驗(yàn)。結(jié)果表明,遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合的PID參數(shù)整定方法通常能獲得較好的控制性能,具有較強(qiáng)的魯棒性和較快的響應(yīng)速度,可以替代傳統(tǒng)的人工調(diào)試。通過(guò)Kalman濾波算法在單神經(jīng)元PID控制過(guò)程的方波位置跟蹤實(shí)驗(yàn)中驗(yàn)證了Kalman算法的濾波性能,將其應(yīng)用在平衡小車的數(shù)據(jù)融合中也獲得明顯的濾波效果。本文借助遺傳算法和神經(jīng)網(wǎng)絡(luò)等智能算法提出了PID自適應(yīng)控制解決方案,并通過(guò)實(shí)驗(yàn)驗(yàn)證了方案的可行性,為智能控制和參數(shù)自整定領(lǐng)域提供了一些借鑒和參考。
[Abstract]:Two wheeled vehicle is a wheeled mobile robot, it can perceive the changes of external environment and make changes according to the dynamic decision-making. Its structure is derived from the inverted pendulum model, therefore it also contains the inverted pendulum of uncertainty, nonlinear and strong coupling. Therefore, two wheeled car can as a platform for testing various control algorithms, so the research on it has very important theoretical significance. The two wheeled vehicle built-in gyroscope and accelerometer for tilt angle and angular acceleration acquisition car, car uses the PID control algorithm, by adjusting the proportion of P, I and D three integral differential coefficient to keep the car the balance of control. The traditional process is usually to adjust the three parameters based on artificial experience, not only time-consuming, and difficult to close to the ideal parameters. So, this research purpose Is the use of intelligent algorithm to realize the adaptive function of the control process is proposed to realize PID parameters self-tuning. Combining genetic algorithm and neural network in addition, through the analysis of the role of Kalman filtering algorithm in single neuron PID control in the process of its application in car number. According to the filtering method combining genetic algorithm and neural network the PID change control process, but a process of adjustment to optimize the parameters of PID to replace the artificial experience adjustment. Genetic algorithm generates a first generation of chromosome in the valid range of parameters, and then according to the PID control effect to calculate the fitness function, according to the law of survival of the fittest, selection of high fitness chromosome but the calculation continues to evolve. The fitness of the process requires the object involved, if the real car as the object is not only inconvenient and time-consuming, in order to solve this problem, the method of charging The simulation function of the neural network, the simulation object with the trained neural network, genetic algorithm to calculate the fitness function, then the parameters in the evolutionary process of genetic algorithm by optimizing PID controller. The single neuron network has changed the traditional PID control process, adjust the control parameters change as weights iterative network. The single neuron has the advantages of simple structure, easy to calculate, can be adjusted continuously in the closed-loop control in the process of network weights, so as to optimize the control effect. The single neuron PID controller contains the actual output noise, resulting in reduced performance control problems, this paper puts forward a improved single neuron adaptive PID control algorithm using Kalman filter theory. In the improved algorithm in the concept of state space, using recursive method for data filtering in time domain, the Kalman filtering algorithm the output of the control object value After return to the closed loop control system. The two wheeled vehicle was studied, as well as a large number of simulation experiments. The results show that the PID parameters of combining genetic algorithm and neural network tuning method usually can obtain better control performance, strong robustness and fast response speed, manual debugging instead of the traditional Kalman. Through filtering algorithm in single neuron PID control of square wave filter position tracking performance of Kalman algorithm is verified in the experiment and its application in the balance of the car also filter data obtained obvious effect of fusion. In this paper, by using genetic algorithm and neural network intelligent adaptive control algorithm is proposed for PID solutions and the feasibility of the scheme is verified by experiments for the intelligent control and the self-tuning domain provides some reference and reference.

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP273

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡(luò)來(lái)自于仿生學(xué)[J];物理;2001年10期

3 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長(zhǎng)沙鐵道學(xué)院學(xué)報(bào);2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

7 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

8 趙奇 ,劉開(kāi)第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)預(yù)測(cè)中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過(guò)去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1646863