發(fā)布時間：2017-09-02 11:28

  本文關鍵詞：PID神經(jīng)網(wǎng)絡多變量控制算法的研究與改進

  更多相關文章： PID神經(jīng)網(wǎng)絡 多變量 輸出函數(shù) MPIDNN

【摘要】：在工業(yè)控制中人們喜歡用PID控制器,主要是因為它簡單,穩(wěn)定,可靠,容易調(diào)整.然則PID控制應對不了非線性,大時滯,不確定、多變量強耦合等大系統(tǒng)的控制要求.人工神經(jīng)網(wǎng)絡的發(fā)展,啟發(fā)學者將神經(jīng)網(wǎng)絡的精髓融入PID控制中.舒懷林教授提出了融入PID規(guī)律的內(nèi)嵌式神經(jīng)網(wǎng)絡-PID神經(jīng)網(wǎng)絡(PIDNN).該網(wǎng)絡的隱含層參照PID三大性能：微分、積分、比例構建.PID神經(jīng)網(wǎng)絡的優(yōu)勢在于它的初始權值可以依賴PID控制律進行設置.但有些控制系統(tǒng)沒有積累到PID控制經(jīng)驗,只能隨機設置初始權值.而沒有規(guī)律的初始權值容易讓PID神經(jīng)網(wǎng)絡陷入困境.為解決這個問題,很多研究者從各方面對PID神經(jīng)網(wǎng)絡進行改進.本文在上述學者的研究基礎上,從網(wǎng)絡的輸出函數(shù)入手,對PID多變量神經(jīng)網(wǎng)絡(MPIDNN)進行了改進.本文提出了一種新的函數(shù)模型去替換原MPIDNN的比例閾值函數(shù).接著用MATLAB軟件對仿真例子進行實驗.改進后的網(wǎng)絡比原來的在收斂速度和輸入輸出逼近方面,都取到了更好的效果.本文的主要內(nèi)容如下：首先闡述研究的選題背景和意義、國內(nèi)外相關研究現(xiàn)狀.接著介紹了PID神經(jīng)網(wǎng)絡的基礎知識—神經(jīng)網(wǎng)絡的相關概念、BP神經(jīng)網(wǎng)絡.其中還敘述了PID控制原理、基于BP網(wǎng)絡的PID控制器結(jié)構與缺陷等等.其次重點展示了PID神經(jīng)網(wǎng)絡的結(jié)構、PID神經(jīng)網(wǎng)絡(單變量控制系統(tǒng)SPIDNN多變量控制系統(tǒng)和的結(jié)構,算法).然后闡述了PID神經(jīng)網(wǎng)絡的穩(wěn)定性定理,MPIDNN交代了初始權值的關鍵性.PIDNN最后本文從的輸出函數(shù)出發(fā),提出一種新的輸出函數(shù)模型替換原網(wǎng)絡的MPIDNN輸出函數(shù)-比例閾值函數(shù).針對一個3輸入3輸出的耦合系統(tǒng),進行仿真.仿真圖顯示改進后的算法的收斂速度明顯加快,誤差控制得更好.MPIDNN最后階段本文還對闡述內(nèi)容做個總結(jié).然后針對本文的研究內(nèi)容和研究方向,指出這個方向的研究前景和發(fā)展空間、還有可以進一步探討的問題.
【關鍵詞】：PID神經(jīng)網(wǎng)絡 多變量 輸出函數(shù) MPIDNN
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP273;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 緒論11-18
• 1.1 研究的背景和意義11-12
• 1.2 國內(nèi)外的研究現(xiàn)狀12-17
• 1.2.1 智能控制與PID控制結(jié)合的研究現(xiàn)狀12-15
• 1.2.2 PID神經(jīng)網(wǎng)絡的研究現(xiàn)狀15-17
• 1.3 論文組織結(jié)構17-18
• 第二章 PID神經(jīng)網(wǎng)絡的準備知識18-28
• 2.1 人工神經(jīng)網(wǎng)絡的理論基礎18-20
• 2.2 BP神經(jīng)網(wǎng)絡的概述和介紹20-25
• 2.2.1 BP神經(jīng)網(wǎng)絡20-21
• 2.2.2 BP算法的數(shù)學描述21-24
• 2.2.3 BP算法程序的實現(xiàn)24-25
• 2.3 PID控制器介紹25-26
• 2.4 基于BP神經(jīng)網(wǎng)絡的PID控制器26-27
• 2.4.1 基于BP網(wǎng)絡PID控制算法的缺陷27
• 2.5 本章小結(jié)27-28
• 第三章 PID神經(jīng)網(wǎng)絡—PIDNN28-40
• 3.1 PID神經(jīng)網(wǎng)絡單變量控制系統(tǒng)理論28-34
• 3.1.1 SPIDNN的前向算法29-31
• 3.1.2 SPIDNN的反向算法31-34
• 3.1.3 SPIDNN單變量控制系統(tǒng)的穩(wěn)定性分析34
• 3.2 PID神經(jīng)網(wǎng)絡多變量控制系統(tǒng)理論34-38
• 3.2.1 MPIDNN的前向算法35-37
• 3.2.2 MPIDNN的反向算法37-38
• 3.3 PID神經(jīng)網(wǎng)絡初始權值的選取38-39
• 3.4 本章小結(jié)39-40
• 第四章 MPIDNN輸出函數(shù)的研究與改進40-47
• 4.1 MPIDNN輸出函數(shù)的分析40-41
• 4.2 MPIDNN輸出函數(shù)的改進41-42
• 4.3 MPIDNN仿真實例42-46
• 4.4 本章小結(jié)46-47
• 結(jié)論47-48
• 參考文獻48-52
• 攻讀學位期間發(fā)表的學位論文52-54
• 致謝54

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

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

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

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

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

10 楊鐘瑾;;神經(jīng)網(wǎng)絡的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[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)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[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)絡與信號處理學術會議論文集[C];1999年

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

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[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)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(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)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 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”：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[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[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術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)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡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)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[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)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡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)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡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)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：778303