中文翻譯--神經(jīng)網(wǎng)絡(luò)PID在溫度控制系統(tǒng)中的研究與仿真

《中文翻譯--神經(jīng)網(wǎng)絡(luò)PID在溫度控制系統(tǒng)中的研究與仿真》由會(huì)員分享，可在線閱讀，更多相關(guān)《中文翻譯--神經(jīng)網(wǎng)絡(luò)PID在溫度控制系統(tǒng)中的研究與仿真（5頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

神經(jīng)網(wǎng)絡(luò) 溫度控制系統(tǒng)中的研究與仿真 摘要 ： 本文提出一種基于 經(jīng)網(wǎng)絡(luò)的新型智能 制方法和一些 經(jīng)網(wǎng)絡(luò)的基本概念。同傳統(tǒng)的 制相比較，神經(jīng)網(wǎng)絡(luò)智能 制有許多優(yōu)點(diǎn)。把 經(jīng)網(wǎng)絡(luò)的 制方法應(yīng)用到工業(yè)領(lǐng)域的溫度控制系統(tǒng)中，仿真結(jié)果表明：這種控制方法具有較高控制精度和較強(qiáng)的適應(yīng)性以及良好的控制效果。 關(guān)鍵詞 ： 神經(jīng)網(wǎng)絡(luò) ， 制器 ，溫度控制系統(tǒng) 1 引言 在工業(yè)控制過程中， 制是一種最基本的控制方式 ，其魯棒性好、結(jié)構(gòu)簡單、易于實(shí)現(xiàn)，但常規(guī)的 制也有 其自身的缺點(diǎn)，因?yàn)槌Ｒ?guī) 制器的參數(shù)是根據(jù)被控對(duì)象數(shù)學(xué)模型確定的，當(dāng)被控對(duì)象的數(shù)學(xué)模型是變化的、非線性的時(shí)候， 數(shù)不易根據(jù)其實(shí)際的情況做出調(diào)整，影響了控制質(zhì)量，使控制系統(tǒng)的控制品質(zhì)下降。特別是在具有純滯后特性的工業(yè)過程中，常規(guī)的 制更難滿足控制精度的要求。由于神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、自適應(yīng)的能力，本文提出基于 經(jīng)網(wǎng)絡(luò)的 制器，使人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng) 制相結(jié)合互相補(bǔ)充，共同提高控制質(zhì)量，并把該方法在溫度控制系統(tǒng)中用 言進(jìn)行了仿真應(yīng)用。 2 經(jīng)網(wǎng)絡(luò)的模型構(gòu)成及 算法 P 神經(jīng)網(wǎng)絡(luò)的模型構(gòu)成 B P 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程主要由兩個(gè)階段構(gòu)成： 第一階段（正向傳播過程），輸入信號(hào)通過輸入層，經(jīng)過隱含層逐層處理，在輸出層計(jì)算出每個(gè)神經(jīng)元的實(shí)際輸出值。 第二階段 (誤差反向傳播過程 )，如果在輸出層未得到期望的輸出值，則逐層遞推地計(jì)算實(shí)際輸出與期望輸出的差值，并且根據(jù)這個(gè)誤差調(diào)節(jié)權(quán)系數(shù)。 經(jīng)網(wǎng)絡(luò) 制器的構(gòu)成及算法 在傳統(tǒng)的 制中，經(jīng)典增量式 控制形式： u(k)=u( [p? e(k)-e(+ i? e(k)+ d? [e(k)e( ：比例系數(shù) i? =?：積分系數(shù) ????：微分系數(shù) 建立 經(jīng)網(wǎng)絡(luò) 制器結(jié)構(gòu)： r(k) e(k) u(k) y(k) + _ 為了達(dá)到自適應(yīng)調(diào)節(jié) ?? ,, 目的，輸出層為三個(gè)神經(jīng)元，分別對(duì)應(yīng) ?? ,, 。輸入層、隱含層的神經(jīng)元的數(shù)目根據(jù)被控對(duì)象的復(fù)雜性固定下來。 隱含層采用的激活函數(shù)為正負(fù)對(duì)稱的 數(shù)： ???? )t a n h ()( 輸出層的激活函數(shù)采用非負(fù)的 數(shù)： ??? 2)t an h (1)( 我們假定 們分別對(duì)應(yīng)于 p? ， i? ， d? 。 我們?nèi)⌒阅苤笜?biāo)函數(shù)為： 2)]1()1([21 ???? 誤差反向傳播。反向傳播的實(shí)質(zhì)就是通過調(diào)整權(quán)系數(shù)使偏差最小，因此可以利用最速下降法，按誤差函數(shù)的負(fù)梯度方向?qū)Ω鲗由窠?jīng)元權(quán)系數(shù)進(jìn)行調(diào)整修正。 則有： )1()3( ?? - )()3()3( ? ? ?? ? ：學(xué)習(xí)速率 ? ：動(dòng)量項(xiàng) 由鏈法則可得： )3( =)3()3()3()3()3()()()()()1()1( ll e e ?????????? =-e(k+1) )3()3()3()3()3()()()()()1(??????? 其中： l =1, 2 ,3 因此可以得到 經(jīng)網(wǎng)絡(luò)的輸出層權(quán)系數(shù)的計(jì)算公式： )()()1( )3()2()3()3( ???? ??? 其中： )]([*)()(*))( )1(s g n ()1( )3(,)3()3( kn e ?? ????? 由于在 制算法中)( )1( ??一般情況下是未知的，可以用符號(hào)函數(shù)])( )1(?? 來取代，并通過調(diào)整 ? 來修正誤差。 同理可得到隱含層權(quán)系數(shù)計(jì)算公式： )()( )2()1()2()2( ??? ???其中： )()]([ )3(31)3()2()2( e tf ?? ?? ， 在上面各式中，上角標(biāo) （ 1）、（ 2）、（ 3）分別表示輸入層、隱含層、輸出層、 l ：輸出層神經(jīng)元個(gè)數(shù) i ：隱含層神經(jīng)元個(gè)數(shù) j ：輸入層神經(jīng)元個(gè)數(shù) )](1)[(][ ??‘ 2/)](1[][ 2 ??‘ 綜上所述可以得到 經(jīng)網(wǎng)絡(luò)的控制算法： （ 1） 確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，初始化各層權(quán)系數(shù)?？刂屏俊⑤敵隽?、誤差的初值取 0。 （ 2） 對(duì)系統(tǒng)進(jìn)行采樣，得到 )( )(計(jì)算得到誤差 )()()( ? 。然后根據(jù)增量式 式把誤差分量作為輸入層的輸入。 （ 3） 根據(jù)各層權(quán)系數(shù)正向計(jì)算 經(jīng)網(wǎng)絡(luò)各層的輸入、輸出。輸出層分量分別為 根據(jù)增量式 式可以得到控制器的輸出 u? 。 （ 4） 將 u? 作為 經(jīng)網(wǎng)絡(luò)的監(jiān)督信號(hào)，進(jìn)行 法的反向傳播。在線根據(jù)輸出層、隱含層的學(xué)習(xí)算法調(diào)整各層的權(quán)系數(shù)，使 數(shù)達(dá)到自適應(yīng)調(diào)整。 （ 5） 返回到（ 2）。 3 在工業(yè)生產(chǎn)過程中，控制的生產(chǎn)過程各種各樣，常常要對(duì)像溫度過程這樣的純滯后的過程進(jìn)行控制。設(shè)被控的溫度控制過程的傳遞函數(shù)為： )110)(140( 3)( ??? 仿真結(jié)果如下圖所示： 圖 1 圖 2 圖 (1)為常規(guī)的 制，圖 (2)為 經(jīng)網(wǎng)絡(luò) 制。從圖中我們可以看到常規(guī)的制所產(chǎn)生的超調(diào)量和過渡時(shí)間比 經(jīng)網(wǎng)絡(luò) 制所產(chǎn) 生的超調(diào)量和過渡時(shí)間大得多，由此可以看出 經(jīng)網(wǎng)絡(luò) 制具有較強(qiáng)的自適應(yīng)性和較高的控制精度。 4 本文根 經(jīng)網(wǎng)絡(luò)的控制算法對(duì)純滯后的溫度控制系統(tǒng)進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明 經(jīng)網(wǎng)絡(luò) 適應(yīng)性強(qiáng)，魯棒性好，控制精度高，其控制品質(zhì)比普通 控制品質(zhì)有了顯著的改善。隨著研究的不斷深入這種控制方法在工業(yè)過程控制中有著廣泛的應(yīng)用前景。