基于改进BP神经网络的PID控制方法的研究
文献类型：学位论文
| 作者 | 刘益民 |
| 学位类别 | 硕士 |
| 答辩日期 | 2007-05-26 |
| 授予单位 | 中国科学院西安光学精密机械研究所 |
| 导师 | 李变侠 |
| 关键词 | 神经网络 BP算法 PID控制 摩擦力 Lugre模型 |
| 学位专业 | 控制理论与控制工程 |
| 中文摘要 | 近几十年来，神经网络理论与应用有了引人注目的进展。由于它具有很强的自学习能力、并行处理能力、非线性处理能力、信息综合能力和容错能力等，在系统辨识和控制中获得了广泛的应用。神经网络能够充分任意地逼近任何复杂的非线性系统，所有定量和定性分析都等势分布储存于神经网络内的各个神经元中，能够学习和适应严重不确定系统的动态特性，故有很强的鲁棒性和容错性。本文主要研究了BP神经网络PID控制器。对BP算法的改进进行了研究，提出一种添加多重动量项的方法，能有效的减少网络训练次数。然后从神经网络激活函数的选择，非线性误差函数的选择，权值初值的确定，以及网络泛化能力这几个方面进行了深入地研究。提出了一种新的权值初值优化方法：两次确定法。仿真表明，该方法能有效的减少网络的训练次数、加快收敛速度，而且能避免网络学习初期出现的振荡现象。最后重点研究了BP神经网络PID控制器的设计，并利用Matlab进行了仿真研究。仿真对象为控制对象的近似数学模型，采用三层BP网络，使输出层神经元的输出状态对应于PID控制器的三个可调参数Kp、Ki、Kd, 通过神经网络的自学习，加权系数调整，使神经网络输出最优的PID控制参数。仿真结果表明，改进后的BP神经网络PID控制器有良好的阶跃和正弦跟踪性能。针对带Lugre摩擦模型的简单伺服系统, 本文通过仿真具体描述了伺服系统低速时摩擦力的不利影响，并采用高增益的PID控制器进行了补偿，效果不太理想。最后本文提出了一种基于BP神经网络PID控制的摩擦补偿方法，给出了控制器原理图，并进行了速度的正弦跟踪仿真实验。结果表明，采用改进BP神经网络PID控制器可以很好地补偿系统低速时摩擦力的影响，使系统具有良好的跟踪性能。 关键字：神经网络，BP算法，PID控制，摩擦力，Lugre模型 |
| 学科主题 | 控制理论与控制工程 |
| 语种 | 中文 |
| 公开日期 | 2011-10-09 |
| 页码 | 78 |
| 源URL | [http://ir.opt.ac.cn/handle/181661/12144]  |
| 专题 | 西安光学精密机械研究所_中国科学院西安光学精密机械研究所(2010年前) |
| 推荐引用方式 GB/T 7714 | 刘益民. 基于改进BP神经网络的PID控制方法的研究[D]. 中国科学院西安光学精密机械研究所. 2007. |
入库方式： OAI收割
来源：西安光学精密机械研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。