学位论文 > 优秀研究生学位论文题录展示

神经网络PID控制系统的研究

作　者: 董宏丽
导　师: 任伟建
学　校: 大庆石油学院
专　业: 控制理论与控制工程
关键词: 神经元网络 PID控制多步预测性能指标函数动态递归神经网络单变量系统多变量系统
分类号: TP273
类　型: 硕士论文
年　份: 2003年
下　载: 2231次
引　用: 7次
阅　读: 论文下载

内容摘要

本文以提高控制器的控制效果为目标，将神经网络与PID控制相结合，分别对单变量系统和多变量系统的神经网络结构的PID控制进行了深入研究和探索。对单变量系统，将预测控制的思想和神经网络PID控制的思想结合起来，用多步预测性能指标函数去训练神经网络控制器的权值，就构成了多步预测性能指标函数下的神经网络PID控制系统；本文对此系统进行了改进，引入了新的多步预测性能指标函数，同时对神经网络辨识器部分，采用了更适合于实时控制的动态递归神经网络来代替原方案中的多层前向网络对其辨识。仿真结果表明此改进方法比原方法及带辨识器的神经网络PID控制方法具有更好的响应性能。对多变量系统，首先研究了基于多预测性能指标函数下多变量系统的神经网络PID控制，并给出仿真实例及结论；接着研究了PID神经元网络多变量控制器的结构和计算方法：它是由并列的多个子网络组成，当控制系统有n个被控变量，子网络就有n个。每个子网络的输入层接受系统的给定信号和对象的输出信号；隐含层由比例元、积分元、微分元组成，实现PID运算；输出层实现规律的综合；为加快权值调整速度对输出层权值采用最小二乘法进行调整，代替原方案中的梯度法，仿真结果表明此系统具有良好的自学习和自适应解耦性能。

全文目录

前言  14-18
第一章神经网络PID控制系统的理论基础  18-27
  1．1 神经网络基础  18-21
    1．1．1 单神经元模型  18-19
    1．1．2 人工神经网络模型  19-20
    1．1．3 神经网络的学习规则  20-21
  1．2 多层前向神经网络及其主要算法  21-23
    1．2．1 适于控制的神经网络结构  21-23
    1．2．2 利用神经网络求对象的灵敏度  23
  1．3 动态递归神经网络  23-27
    1．3．1 RNN的网络结构和学习算法  23-25
    1．3．2 DRNN的内反馈特性  25-26
    1．3．3 DRNN用于控制及辨识时的结构  26
    1．3．4 利用DRNN辨识对象的灵敏度  26-27
第二章单变量系统的神经网络PID控制方法研究  27-45
  2．1 BP神经网络PID控制  27-28
  2．2 预测控制的基本原理  28-30
  2．3 改进的多步预测性能指标函数下的神经网络PID控制  30-44
    2．3．1 结构形式和计算方法  30-32
    2．3．2 权值训练算法  32-33
    2．3．3 仿真研究  33-44
  2．4 小结  44-45
第三章多变量系统的神经网络PID控制方法研究  45-59
  3．1 多步预测性能指标函数下多变量系统的神经网络PID控制  45-47
    3．1．1 结构形式和计算方法  45-46
    3．1．2 控制器权值的训练步骤  46-47
  3．2 改进的PID神经元网络多变量控制方法研究  47-52
    3．2．1 结构形式和计算方法  48-50
    3．2．2 反传学习算法  50-51
    3．2．3 权值初值设定及学习结束条件  51
    3．2．4 权值训练算法  51-52
  3．3 仿真研究  52-58
    3．3．1 多步预测性能指标函数下多变量系统的神经网络PID控制  52-55
    3．3．2 改进的PID神经元网络多变量控制方法  55-58
  3．4 小结  58-59
结论  59-60
致谢  60-61
参考文献  61-62

神经网络PID控制系统的研究

内容摘要

全文目录

相似论文