【摘要】：隨著工業(yè)控制的發(fā)展,出現(xiàn)了控制領(lǐng)域很重要的控制方式之一:PID控制.PID具有很強(qiáng)的適用性,魯棒性強(qiáng)等特點(diǎn).人們對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)與完善,學(xué)者希望將神經(jīng)網(wǎng)絡(luò)與PID控制相結(jié)合,以此來改進(jìn)傳統(tǒng)PID控制的缺陷.舒懷林教授提出了一種新的神經(jīng)網(wǎng)絡(luò)PIDNN,希望把兩者的優(yōu)點(diǎn)結(jié)合在一起,能夠較好的發(fā)揮各自的優(yōu)勢(shì).但是也出現(xiàn)了一些問題:隱含層節(jié)點(diǎn)的選取,連接權(quán)值任意以及易陷入局部極小等,影響了控制的應(yīng)用推廣.因此,為了可以更好的實(shí)現(xiàn)PIDNN的應(yīng)用和推廣,對(duì)其進(jìn)行研究和改進(jìn)就有非常重要的意義.首先分析了課題研究的背景和意義,國內(nèi)外學(xué)者研究的一些現(xiàn)狀及分析,同時(shí)也敘述了國內(nèi)外研究現(xiàn)狀存在的一些問題,比如:收斂時(shí)間慢,學(xué)習(xí)時(shí)間長,權(quán)值連接任意等問題.然后闡述了BP神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)的算法表示以及算法程序的實(shí)現(xiàn),接著描述了PID神經(jīng)網(wǎng)絡(luò)的原理與算法等相關(guān)問題,包括PIDNN前向算法和誤差反向傳播算法,對(duì)PID神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性進(jìn)行了分析.其次介紹了PID神經(jīng)網(wǎng)絡(luò)中的動(dòng)量項(xiàng),主要是誤差反向傳播法以及存在的問題,著重分析了附加動(dòng)量項(xiàng)法,自適應(yīng)學(xué)習(xí)率法.對(duì)動(dòng)量項(xiàng)迭代法進(jìn)行了改進(jìn),在上述的基礎(chǔ)上進(jìn)行了仿真,結(jié)果表明收斂速度加快,誤差更小.對(duì)激勵(lì)函數(shù)進(jìn)行了分析,介紹了幾種常用的激勵(lì)函數(shù)以及很多學(xué)者對(duì)激勵(lì)函數(shù)的改進(jìn).在前面學(xué)者的啟發(fā)下,提出了一種激勵(lì)函數(shù),進(jìn)行了改進(jìn),并用仿真實(shí)驗(yàn)證明了其有效性,實(shí)現(xiàn)了激勵(lì)函數(shù)的動(dòng)態(tài)性,擴(kuò)大了系統(tǒng)的控制范圍,避免了麻痹現(xiàn)象的產(chǎn)生.最后對(duì)本文研究的內(nèi)容進(jìn)行了總結(jié)和對(duì)未來進(jìn)行了展望,指出以后要研究的前景與方向.
【圖文】：

第二章 PID 神經(jīng)網(wǎng)絡(luò)預(yù)備知識(shí)第二章 PID 神經(jīng)網(wǎng)絡(luò)預(yù)備知識(shí)神經(jīng)網(wǎng)絡(luò)是一種簡(jiǎn)化和模擬大腦生物的計(jì)算模型結(jié)構(gòu)，能夠自學(xué)動(dòng)力系統(tǒng). 現(xiàn)在很多專家已經(jīng)建立了很多種神經(jīng)網(wǎng)絡(luò)模型，影響他；神經(jīng)元，而他們之間的連接方式是一種拓?fù)浣Y(jié)構(gòu).神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)元是神經(jīng)網(wǎng)絡(luò)處理信息的基本單位，其中神經(jīng)元包括下面幾個(gè)要素突出或者叫聯(lián)接，一般用ijw 表示，神經(jīng)元與神經(jīng)元之間的強(qiáng)度，反映生物神經(jīng)元的輸入信號(hào)累加器.

圖 2-2 BP 神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖Figure 2-2 BP Neural Network topological structure法的數(shù)學(xué)表示的思想是：學(xué)習(xí)過程的信號(hào)由正向傳播和誤差反向傳播組成，，通過輸入層和隱含層的處理，最后在輸出層得到每個(gè)單元的段是假如實(shí)際輸出層與期望的輸出層偏差很大，則反向計(jì)算實(shí)，，然后分給所有的單元，從而獲得各層之間的誤差信號(hào)，再修誤差達(dá)到我們的期望值，則網(wǎng)絡(luò)的學(xué)習(xí)就結(jié)束了.P 網(wǎng)絡(luò)的輸入層有M 個(gè)節(jié)點(diǎn)，隱含層Q 個(gè)節(jié)點(diǎn)，輸出層L個(gè)節(jié)個(gè)神經(jīng)元節(jié)點(diǎn)與隱含層第 j 個(gè)神經(jīng)元之間的權(quán)值，jkw 是隱含層k 個(gè)節(jié)點(diǎn)之間的權(quán)值，假設(shè)隱含層和輸出層的傳遞函數(shù)分別為
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP183;TP273

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁路路;張娓娓;;智能軌跡控制割草機(jī)器人設(shè)計(jì)——基于FPGA神經(jīng)網(wǎng)絡(luò)[J];農(nóng)機(jī)化研究;2017年04期

2 陸興華;詹世尉;余文權(quán);黃臣煒;;改進(jìn)PID的無人機(jī)飛行姿態(tài)角控制消顫算法[J];傳感器與微系統(tǒng);2017年03期

3 朱麗娟;;基于灰色PID的DVD光學(xué)頭控制與優(yōu)化[J];激光雜志;2016年08期

4 張桐銘;劉延飛;趙鵬濤;田琦;;基于PID神經(jīng)網(wǎng)絡(luò)的智能車追逐控制系統(tǒng)研究[J];科技與創(chuàng)新;2016年15期

5 白國振;俞潔皓;;基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定[J];計(jì)算機(jī)應(yīng)用研究;2016年11期

6 付子義;孫杰;;基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的PID控制器研究[J];軟件導(dǎo)刊;2015年12期

7 周修理;江麗麗;李艷軍;毛先峰;梁煜;馮江;;基于神經(jīng)網(wǎng)絡(luò)PID的牧草烘干機(jī)控制系統(tǒng)研究[J];農(nóng)機(jī)化研究;2016年03期

8 張敏;徐啟華;;基于改進(jìn)BP的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制[J];軟件;2015年07期

9 秦剛;張翔洲;周振東;;基于灰色PID控制的智能車差速轉(zhuǎn)向系統(tǒng)研究[J];機(jī)電工程;2015年02期

10 劉威葳;;并聯(lián)有源電力濾波器專家PID控制及仿真分析[J];大功率變流技術(shù);2015年01期

相關(guān)碩士學(xué)位論文 前10條

1 梁玉婷;PID神經(jīng)網(wǎng)絡(luò)多變量控制算法的研究與改進(jìn)[D];廣東工業(yè)大學(xué);2016年

2 周楚;基于DSP的數(shù)字PID控制DC-DC變換器的設(shè)計(jì)[D];華中師范大學(xué);2015年

3 涂川川;基于BP神經(jīng)網(wǎng)絡(luò)PID控制的溫室環(huán)境控制系統(tǒng)的仿真研究[D];吉林農(nóng)業(yè)大學(xué);2012年

4 盧萍;基于神經(jīng)網(wǎng)絡(luò)PID控制器的研究[D];廣東工業(yè)大學(xué);2012年

5 劉天舒;BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2011年

6 劉迪;基于神經(jīng)網(wǎng)絡(luò)的PID控制算法[D];黑龍江大學(xué);2008年

7 劉益民;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的PID控制方法的研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2007年

8 路桂明;基于模糊PID控制的電鍋爐溫度控制系統(tǒng)的研究[D];哈爾濱理工大學(xué);2007年

9 汪璇炫;模糊PID控制在工業(yè)過程控制中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2005年

10 鄭高峰;帶動(dòng)量項(xiàng)的BP神經(jīng)網(wǎng)絡(luò)收斂性分析[D];大連理工大學(xué);2005年

本文編號(hào)：2529391