基于RBF神经网络的PID整定

论文题目: 基于RBF神经网络的PID整定

论文类型: 硕士论文

论文专业: 计算机应用技术

作者: 李广军

导师: 张翠芳

关键词: 控制,神经网络,神经网络,梯度下降法,混合递阶遗传算法

文献来源: 西南交通大学

发表年度: 2005

论文摘要: PID调节器的特点是结构简单,适应性强,应用性广。但是单的PID控制往往不能达到令人满意的程度,对于时变对象和非线性系统,传统的PID控制更是显得无能为力。对于非线性系统来说,神经网络PID具有良好的控制效果,该控制器是将神经网络和PID控制技术融为一体,即具有常规PID控制器结构简单,物理意义明确之优点,同时又具有神经网络自学习、自适应的功能。在神经网络PID控制器中,神经网络辨识器作为PID控制器参数整定和优化的基础,必须选择辨别精度高的神经网络结构,才能为参数整定和优化提供可靠精确的对象模型。径向基函数神经网络(RBFNN)是一种具有单隐层的三层前馈网络,其网络结构和学习算法与BP网络有着很大的差别,在一定程度上克服了BP网络的缺点,因此本文就在RBF神经网络辨识的基础上实现神经网络PID参数的自整定。论文的主要内容如下: (1) 介绍了PID参数整定的基本方法,并引入基于神经网络的PID参数自整定,提出了一种改进的单神经元PID整定方法,细致地研究了BP神经网络PID参数整定方法。 (2) 提出了一种改进的梯度下降法,并用该方法优化RBF神经网络。然后在RBF神经网络辨识的基础上,实现了基于梯度下降算法、单神经元和BP神经网络的PID参数自整定和优化。 (3) 提出了一种混合递阶遗传算法,用该算法优化RBF神经网络的隐层结构、隐层节点的中心值、核宽度和输出的线性权值,并通过仿真,证明了该方法优于基于梯度下降法的辨识结果。

论文目录:

第1章绪论

1.1 引言

1.2 国内外研究现状

1.3 本文研究的主要内容

第2章 PID控制器参数整定方法

2.1 引言

2.2 典型PID控制器

2.3 PID参数自整定方法

第3章神经网络PID控制器参数自整定

3.1 引言

3.2 神经网络原理

3.2.1 MP模型

3.2.2 感知器

3.2.3 多层前馈网络与BP学习算法

3.2.4 径向基函数神经网络RBF

3.2.5 神经网络学习规则

3.3 神经网络控制

3.4 单神元自适应PID控制

3.5 基于BP网络的PID整定原理

3.6 本章小结

第4章基于RBFNN辨识的PID控制器整定

4.1 前言

4.2 RBF神经网络结构及其学习算法

4.2.1 RBF神经网络隐层节点函数的选择

4.2.2 RBF神经网络学习算法

4.3 基于RBFNN辨识的一种PID控制器参数整定

4.3.1 PID参数整定原理

4.3.2 仿真实例

4.4 基于RBF神经网络辨识的单个神经元的PID整定

4.4.1 神经网络模型参考自适应原理

4.4.2 仿真实例及分析

4.5 基于RBFNN辨识的BPNN的PID整定

4.5.1 整定原理

4.5.2 仿真实例

4.6 本章小结

第5章递阶遗传算法优化RBF神经网络

5.1 遗传算法的基本原理

5.1.1 遗传算法的描述

5.1.2 遗传算法的理论基础

5.1.3 编码及适应度函数

5.1.4 遗传算法的操作

5.2 混合递阶遗传算法优化RBF神经网络

5.2.1 递阶遗传算法

5.2.2 算法设计

5.3 仿真实例

5.4 本章小结

总结与展望

参考文献

致谢

攻读硕士学位期间发表的学术论文

发布时间: 2005-08-16

参考文献

[1].基于RBF神经网络的PID自校正控制研究及应用[D]. 朱逢锐.安徽理工大学2017
[2].基于改进RBF神经网络的模拟电路故障诊断技术研究[D]. 黄金龙.重庆大学2014
[3].RBF神经网络隐层结构与参数优化研究[D]. 周维华.华东理工大学2014
[4].模糊RBF神经网络在人脸识别的应用研究[D]. 李燕强.广州大学2011
[5].神经网络PID在叠图机控制系统中的应用研究[D]. 房朝晖.天津大学2012
[6].基于模糊控制与RBF神经网络的桃病虫害发生预测研究[D]. 王晓娟.河北农业大学2011
[7].基于RBF神经网络的遗传算法在织物配色中的应用研究[D]. 史爱松.青岛大学2005
[8].改进的RBF神经网络在肾小球滤过率估算中的应用[D]. 梁哲.大连理工大学2016
[9].基于改进RBF神经网络的信用评级分析[D]. 蓝润荣.中国科学技术大学2014
[10].神经网络PID在热交换器中的应用[D]. 孟春林.太原科技大学2009

基于RBF神经网络的PID整定

猜你喜欢