本文關鍵詞：基于人工神經網絡改進型參數整定的智能PID控制研究，由筆耕文化傳播整理發(fā)布。

中國石油大學(華東) 碩士學位論文 基于人工神經網絡改進型參數整定的智能PID控制研究 姓名:劉燕燕 申請學位級別:碩士 專業(yè):計算機應用技術 指導教師:史永宏 20090501要 摘 控制以其結構簡單、可靠性高、易于工程實現等優(yōu)點至今仍被廣泛應用。在系 統(tǒng)模型參數變化不大的情況下,控制性能優(yōu)良。但隨著現代工業(yè)的發(fā)展,工業(yè)生產 過程往往具有非線性、不確定性,難以建立精確的數學模型,應用常規(guī)的控制器難 以達到理想的控制效果。 人工神經網絡 具有自學習、自適應和自組織的能 力,將與傳統(tǒng)的控制結合,構成智能型的神經網絡控制器。它不需建立 精確的數學模型,能夠自動辨識被控過程參數、自動整定控制參數、適應被控過程參數 的變化,是解決傳統(tǒng)控制器參數整定難、不能實時調整參數和魯棒性不強的有效措 施。 本文主要做了兩部分工作:首先,對傳統(tǒng)的控制算法進入深入分析,針對系統(tǒng) 對積分項的要求,偏差大時積分作用應該減弱,偏差小時應該加強�；谶@一思想,對 控制算法進行改進,在變速積分的基礎上提出了彈性積分算法,仿真研究表明 該算法有利于系統(tǒng)的穩(wěn)定。其次,重點研究了神經網絡控制器。在算法中, 初始權值的選擇對于局部極小點的防止和網絡收斂速度的提高均有一定程度的影響,如 果初始權值范圍選擇不當,學習過程一開始就可能出現“假飽和現象,甚至進入局部 極小點,網絡根本不收斂。因此,利用粒子群優(yōu)化算法具有全局搜索的優(yōu)點對 網絡的初始權值進行優(yōu)化,避免了可能出現的收斂速度慢,存在局部極小點等問題。針 對粒子群算法的早熟現象,將變異思想引入到粒子群算法中,并將改進的.混合 算法用于對神經網絡的權值進行優(yōu)化。 本文對彈性積分控制算法和變速積分控制算法進

  本文關鍵詞：基于人工神經網絡改進型參數整定的智能PID控制研究，由筆耕文化傳播整理發(fā)布。