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

【摘要】：兩輪自平衡車是輪式移動機器人的一種,它可以感知到外部環(huán)境的變動并且根據(jù)此變動做出相應的動態(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、非線性和強耦合性等特點。可見,兩輪自平衡車可以作為一個檢驗各種控制算法的平臺,因而對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,通過調(diào)整比例P、積分I和微分D三個系數(shù)來使小車保持平衡性。傳統(tǒng)的控制過程通常是依靠人工經(jīng)驗來調(diào)整這三個參數(shù)的,不僅費時費力,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實現(xiàn)控制過程的自適應調(diào)整功能,提出結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)來實現(xiàn)PID參數(shù)自整定。此外,通過分析Kalman濾波算法在單神經(jīng)元PID控制過程中的作用,將其應用在小車的數(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控制過程,而是優(yōu)化PID參數(shù)的調(diào)整過程以替代人工經(jīng)驗調(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控制效果來計算適應度函數(shù),根據(jù)優(yōu)勝劣汰法則,選取適應度較高的染色體繼續(xù)進化。但計算適應度的過程需要被控對象的參與,如果采用實體小車作為被控對象不僅不方便而且耗時長,為解決這一問題,該方法充分利用了神經(jīng)網(wǎng)絡(luò)的模擬功能,用訓練好的神經(jīng)網(wǎng)絡(luò)模擬被控對象,協(xié)助遺傳算法計算適應度函數(shù),繼而在遺傳算法進化過程中逐代優(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)簡單,易于計算,可以在閉環(huán)控制過程中不斷地調(diào)整網(wǎng)絡(luò)的權(quán)值,從而優(yōu)化控制效果。針對實際的單神經(jīng)元PID控制器包含輸出噪聲,從而導致控制性能降低的問題,本文提出采用Kalman濾波理論來改進單神經(jīng)元自適應PID控制算法。在改進算法中,引入狀態(tài)空間的概念,采用時域上的遞推方法進行數(shù)據(jù)濾波,控制對象的輸出值經(jīng)過Kalman濾波算法處理后再返回閉環(huán)控制系統(tǒng)。本文對兩輪自平衡小車進行了實驗,以及做了大量的仿真實驗。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,具有較強的魯棒性和較快的響應速度,可以替代傳統(tǒng)的人工調(diào)試。通過Kalman濾波算法在單神經(jīng)元PID控制過程的方波位置跟蹤實驗中驗證了Kalman算法的濾波性能,將其應用在平衡小車的數(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自適應控制解決方案,并通過實驗驗證了方案的可行性,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.

【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP273

【相似文獻】

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)來自于仿生學[J];物理;2001年10期

3 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[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)運優(yōu)化方法[J];長沙鐵道學院學報;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)及其應用研究[J];計算機工程與應用;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;2004年03期

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

8 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應用研究[J];微計算機信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預測中的應用[J];軟件導刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

相關(guān)會議論文 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中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術(shù)大會論文摘要集[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年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;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];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

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

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復雜工藝“黑箱”[N];解放日報;2007年

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

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡(luò)技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

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

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學位論文 前10條

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

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

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

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

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

7 王衛(wèi)蘋;復雜網(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;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;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;2015年

相關(guān)碩士學位論文 前10條

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

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;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;2015年

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

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

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

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

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

，

本文編號：1646863