毕业设计（论文）-神经网络自组织模糊控制器的设计论文,设计,控制,设计论文,..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
毕业设计（论文）-神经网络自组织模糊控制器的设计
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口（基础数学专业论文）基于模糊示例学习的模糊控制器论文,基础,模糊,基于模糊,示例..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
（基础数学专业论文）基于模糊示例学习的模糊控制器
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
模糊PID控制器与神经网络PID控制器的研究与应用
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于模糊神经网络的自整定控制系统的设计
18:08:21& 来源：&
　　摘要:利用模糊神经网络设计了一种自适应PID控制系统,能够在控制过程中在线提取模糊规则,调整和优化模糊控制器的隶属度函数以实现PID参数kp、ki和kd的在线自整定。仿真结果表明:该方法在对信号的跟踪的快速性上和抗干扰性能上要远远优于常规控制;其参数自整定控制器的输出过调和振荡都不大,有较强的自适应性。
　　0　引言
　　神经网络具有非线性映射能力、学习能力、并行处理能力和容错能力,在复杂工业对象的建模和控制领域已经得到了广泛的应用;但是单纯使用神经网络控制技术的研究有停滞不前的趋势。究其原因,除了神经网络本身的问题(如泛化能力不能够达到控制系统鲁棒性的要求)之外,最主要的原因就是神经网络的黑箱式的知识表达方式使其不能够利用先验知识进行学习。模糊逻辑具有处理不确定性的能力,但是模糊逻辑的应用也遇到了模糊规则难于确定的问题。模糊神经网络结合了模糊逻辑与神经网络的优点,避免了二者的缺点,既可以具有模糊逻辑的不确定信息处理能力,又可以有神经网络的自学习能力,因此在控制领域有很广泛的应用前景[1-2]。
　　1　模糊神经参数自整定PID控制器模型
　　模糊神经网络PID控制器模型如图1所示。
　　1&1　模糊规则前件网络
　　本文作者采用单点模糊集合的模糊化方法,每条规则的强度通过(D)层神经元的代数积运算得到,对于给定的输入向量X,可以求得每条规则的强度为
　　通过取大运算,49条规则中只有规则强度最大的第j条规则被激活,用于该采样时刻控制器的输出控制,其余48条规则不参与该时刻的控制。由于神经网络具有全局寻优的特点,所以这种近似处理并不影响控制精度,反而可以大幅度减少运算量,加快网络收敛速度。
　　1&2　模糊规则后件网络
　　网络(F)&(G)层表示规则的后件部分。(F)层实现清晰化,将规则结论部分作为(F)层调整权值和阈值的代数和,则可得清晰输出量。为了克服多层网络收敛速度慢的缺点,本文通过(G)层递归神经元接收自身一步延时输出信号实现递归运算,加快收敛速度。后件网络输出为:
将本文分享至：|||||
【免责声明】本文仅代表作者个人观点，与中国计量测控网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以 及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
前沿的计量测试资讯海量呈现，高端的计量测试技术权威发布。
计测客户端下载
这里有计量领域最大的社交圈子，您可以在这里交流互动、拓展人脉、施展才华。iPhone
这里有计量领域最大的社交圈子，您可以在这里交流互动、拓展人脉、施展才华。Android
()()()()()()()()()()
新闻频道联系方式
:广告合作热线：010-
:联系邮箱：
Copyright & . All Rights Reserved 中国计量测控网 版权所有 &&&
京ICP备号-1 &&京公网安备079号&& 计测网客服：010-
&&邮编：100095 &&邮箱： &&广告业务QQ：&&客服QQ：
&&投稿QQ：　　【摘要】工业过程控制中广泛采用PID控制，但传统PID控制因其控制参数的固定，在线整定难等问题。为此本文研究了一种新的" />
免费阅读期刊
论文发表、论文指导
周一至周五
9：00&22：00
基于BP神经网络的模糊PID控制器的设计
&&&&&&本期共收录文章20篇
　　【摘要】工业过程控制中广泛采用PID控制，但传统PID控制因其控制参数的固定，在线整定难等问题。为此本文研究了一种新的自适应模糊PID控制方法，为了解决模糊推理没有学习能力的问题，本文又提出了一种基于BP神经网络的自适应模糊控制方法。此方法是模糊控制、神经网络和PID控制的有效结合。仿真实验表明，这种基于BP神经网络的模糊PID控制算法具有良好的控制效果。 中国论文网 /8/view-6382681.htm　　【关键词】PID控制;BP神经网络;模糊PID控制 　　Abstruct：PID control are widely used in industrial process control，but the traditional PID control because of its control parameters are fixed，and it is difficult to adjust its parameters online.So this paper studies a new adaptive fuzzy PID control method，to solve problem without the ability to learn，and put forward a kind of adaptive fuzzy control method based on BP neural network in this paper.It is the effective combination of fuzzy control，neural network and PID control.Simulation results show that this fuzzy PID control method based on BP neural network has good control effect. 　　Keywords：PIDBPFuzzy PID control 　　1.引言 　　常规PID在控制领域被广泛应用，利用数学算法来整定参数。而且随着控制系统的复杂，被控对象很难建立数学模型，人们开始探索新的控制方式。模糊控制不要求掌握被控对象的精确的数学模型，根据人工控制规则组织控制决策表，然后由该表决定控制量的大小。在一般的模糊系统设计中，规则是由经验丰富的专业人员以语言的方式表达出来的。但对于某些问题即使是很有经验的专业人员也很难将他们的经验总结、归纳为一些比较明确而简化的规则。在这种情况下，就可以应用神经网络的方法，依靠BP神经网络的自学习功能，实现模糊控制的神经、模糊融合技术，并借助其并行分布的结构来估计输入到输出的映射关系，直接从原始的工作数据中归纳出若干控制规则。从而为模糊系统建立起行之有效的决策规则。 　　2.PID控制器原理 　　2.1 PID控制的微分方程 　　PID控制器是一种线性控制器，它将给定值r（t）与实际输出值c（t）的偏差的比例（p）、积分（I）、微分（D）通过线性组合构成控制量，对控制对象进行控制。 　　式中： 　　2.2 PID控制器各环节的作用 　　（1）比例环节：及时成比例地反应控制系统的偏差信号e（t），偏差一旦产生，控制器立即产生控制作用以减小偏差。 　　（2）积分环节：积分作用会使系统稳定性下降，Kd大会使系统不稳定，但能消除静态误差。 　　（3）微分环节：能反应偏差信号的变化趋势，并能在偏差信号值变得太大之前，在系统中引入一个早期修正信号，从而加快系统的动作速度，减小调节时间。Kd偏大时，超调较大，调节时间短;Kd偏小时，超调量也较大，调节时间长;只有Kd合适时才能超调小，时间短。 　　3.BP神经网络与模糊控制 　　模糊控制是运用语言归纳操作人员的控制策略，运用变量和模糊集合理论形成控制算法的一种控制。如何让机器像人一样识别、理解模糊规则并进行模糊逻辑推理，最终得出新的结论并实现自动控制是模糊控制研究的主要内容。模糊控制器的基本结构如图1所示。 　　图1 模糊控制结构 　　人工神经网络是由大量人工神经元经广泛互连二组成的，它可用来模拟脑神经系统的结构和功能。人工神经网络可以看成是以人工神经元为节点，用有向加权弧连接起来的有向图。BP网络是一种利用误差反向传播训练算法的神经网络，是一种有隐含层的多层前馈网络，系统地解决了多层网络中隐含单元连接权的学习问题。BP学习算法的基本原理是梯度最速下降法，它的中心思想是调整权值使网络总误差最小。也就是采用梯度搜索技术，以期使网络的实际输出值与期望输出值的误差均方值为最小。网络学习过程是一种误差边向后传播边修正权系数的过程。其结构如图2所示。 　　图2中隐含层第一层神经元为7个，分别对应7个模糊子集：NB、NM、NS、ZO、PS、PM、PB。第二层49个神经元代表49条规则。第三层7个神经元代表输出的7个模糊子集。模糊控制不依靠对象的数学模型，但模糊规则的建立需要人工经验。采用BP算法对工程经验和专家经验的模糊规则进行训练，其实就是把模糊规则用神经网络来表示，即经过神经网络的学习，将模糊规则以加权系数的形式表现出来，规则的生成就转化为加权系数的确定和修改。 　　神经网络是大规模并行运算，但由于网络结构复杂，训练和学习需要大量的时间，所以目前还无法实现实时控制。在具体应用中，我们是先离线将神经网络的各层权值和阈值训练出来，将其参数固定下来，然后将有系统检测、计算得到的误差变化直接代入非线性映射关系中，由计算机算出控制量，再用作被控对象。在matlab下以、、为输出的BP网络仿真训练如图3、图4、图5所示。 　　4.模糊PID控制器的原理与仿真 　　对于某一BP神经网络控制系统，其中内部变化及被控对象的数学模型为： 　　利用模糊控制对PID参数实现在线调节，原理如图6。 　　图6 模糊PID控制原理图 　　采用Z-N法和试凑法相结合，借助MATLAB的SIMULINK平台，对被控对象进行常规PID仿真。参数值：kp=15，ki=6，kd=0.05。如图7。作为比较，建立模糊PID控制器的仿真模型如图8。 　　图9、图10分别为被控对象G（s）在阶跃输入下常规PID和模糊PID仿真结果的比较。 　　经过仿真发现，常规PID控制缺点是超调量大，调节时间长，动态性能差。优点是控制精度高，稳定性能好。模糊控制动态性能很好，上升速度快，基本无超调。但由于模糊化所造成的稳态误差，在没有积分环节的情况下很难消除，故稳态性能差。模糊PID继承了二者的优点，摒弃二者缺点，具有更全面优良的控制性能。 　　5.结论 　　针对大滞后、慢时变、非线性的复杂系统，提出了一种基于BP神经网络的模糊PID控制算法，该算法不依赖被控对象的精确数学模型，可实现在线自调整模糊规则，从而增强了模糊控制器的自学习能力。通过算法的仿真研究，验证了算法的可行性。 　　参考文献 　　[1]李华.计算机控制系统[M].北京：机械工业出版社，2007. 　　[2]高隽.人工神经网络原理及仿真实例[M].北京：机械工业出版社，2007. 　　[3]蔡自兴.智能控制[M].北京：电子工业出版社，2003. 　　[4]李国勇.智能控制及其MATLAB实现[M].北京：电子工业出版社，2005. 　　[5]张德丰.MATLAB神经网络应用设计[M].北京：机械工业出版社，2009. 　　[6]刘金琨.先进PID控制及其MATLAB仿真[M].北京：电子工业出版社，2003. 　　[7]刘玲.三容水箱的单神经元自适应PID控制研究[J].信息技术，）：32-137. 　　[8]张咏军，王航宇.基于神经网络的温度模糊PID控制器设计[J].现代电子技术，2008（7）：133-135. 　　[9]侯涛.神经PID控制在双容水箱液位控制的实验研究[J].兰州州交通大学学报，）：42-43.
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。