基于改进模糊神经网络的PID参数自整定算法(无全文)

作者:欧国徽;刘春波;潘丰 刊名:江南大学学报(自然科学版) 上传者:

抱歉,该篇全文还没有人上传哦!我要 上传, 我要 求助

【摘要】针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。

全文阅读

第 10卷第 2期 2011年 4月 江 南 大 学 学 报 (自 然 科 学 版 ) Journa l of J iangnan Un iversity( Natural Science Edition)      Vol. 10 No. 2 Apr.  2011   收稿日期 : 2010 - 11 - 18;  修订日期 : 2011 - 01 - 12。 基金项目 :国家 863计划项目 (2009AA05Z203)。作者简介 :欧国徽 (1986—) ,男 ,湖南长沙人 ,控制理论与控制工程专业硕士研究生。 3通信作者 :潘 丰 (1963—) ,男 ,江苏苏州人 ,教授 ,博士生导师。主要从事过程控制、发酵建模等研究。 Email: pan_feng_63@163. com 基于改进模糊神经网络的 PID参数自整定算法 欧国徽 ,  刘春波 ,  潘 丰3(江南大学 轻工过程先进控制教育部重点实验室 ,江苏 无锡 214122) 摘  要 :针对传统的 PID控制算法参数整定困难 ,控制效果并不理想 ,将神经网络算法、模糊控制算法结合在一起 ,形成了模糊神经网络 PID参数自整定算法 ,并且对模糊神经网络进行改进 ,将神经网络输入的状态变量进行模糊化和归一化处理 ,采用 BP神经网络自整定 PID控制器的参数 ,根据 RBF神经网络得到受控对象的 Jacobian信息。仿真结果表明 ,基于模糊神经网络的 PID自整定控制效果较好 ,具有一定的应用前景。 关键词 : PID控制算法 ;神经网络 ;模糊控制 ;自整定 中图分类号 : TP 312 文献标识码 : A 文章编号 : 1671 - 7147 (2011) 02 - 0145 - 05 Self2Tun ing of PID Param eter Algorithm Based on Im proved Fuzzy Neural Networks OU Guo2hui,  L IU Chun2bo,  PAN Feng3(Key Laboratory of Advanced Process Control for Light Industry, M inistry of Education, Jiangnan University, W uxi 214122, China) Abstract: For traditional PID parameter tuning difficulties, control effect is not ideal. This paper addresses this issue. Fuzzy control algorithm s and neural network algorithm s are combined to form an FNN self2tuning of PID parameter algorithm. Besides, some improvement based on FNN normalization and obfuscation is made to deal with the input state variables of NeuralNetworks. BP Neural Network is used to adap tively adjusts PID parameters. U sing RBF NeuralNetwork get p lant’s Jacobian information. The

参考文献

引证文献

问答

我要提问