资料下载
×
基于RBF神经网络的PID控制
消耗积分:5 |
格式:rar |
大小:147 |
2009-08-22
分享资料个
传统PID 的控制参数难以精确整定，且依赖于对象的精确数学模型，适应性较
差，对复杂过程不能保证其控制精度。针对工业控制领域中大滞后系统，采用传统PID 控制不能获得满意的控制效果，提出基于RBF 神经网络的PID 控制参数自整定的方法。该方法利用RBF 神经网络的自学习、自适应能力自调整系统的控制参数。仿真表明，该方法可实现有效的控制，并且与常规PID 相比，具有更好的自适应性和鲁棒性。
关键词：RBF，PID，参数整定，仿真，Matlab
由于具有算法简单、稳定性好、可靠性高以及强鲁棒性等优点，PID 控制在工业控制中得到广泛的应用；但是PID 控制效果的优劣直接取决于控制参数选取的好坏，而传统的参数整定方法完全依赖于被控对象。然而在现代工业中过程机理复杂，难以确定精确的数学模型，并存在着不同程度的非线性、时变等不确定，同时现代工业对控制的要求进一步提高，利用常规的PID 控制很难满足系统的要求。而神经网络作为一门非常热门的交叉学科，以其强大的非线性映射能力、并行处理能力、自学习能力，在控制领域得到广泛的应用。
本文利用RBF 神经网络对PID 控制参数进行在线自整定，在常规PID 控制的基础上，利用神经网络的自学习、自适应能力自动调整系统的控制参数；构造一个具有参数自整定能力、稳定的PID 控制器。这种新型的PID 控制器在一定程度上提高了系统的鲁棒性，并可以利用它对工业纯滞后对象实现高品质的控制。
差，对复杂过程不能保证其控制精度。针对工业控制领域中大滞后系统，采用传统PID 控制不能获得满意的控制效果，提出基于RBF 神经网络的PID 控制参数自整定的方法。该方法利用RBF 神经网络的自学习、自适应能力自调整系统的控制参数。仿真表明，该方法可实现有效的控制，并且与常规PID 相比，具有更好的自适应性和鲁棒性。
关键词：RBF，PID，参数整定，仿真，Matlab
由于具有算法简单、稳定性好、可靠性高以及强鲁棒性等优点，PID 控制在工业控制中得到广泛的应用；但是PID 控制效果的优劣直接取决于控制参数选取的好坏，而传统的参数整定方法完全依赖于被控对象。然而在现代工业中过程机理复杂，难以确定精确的数学模型，并存在着不同程度的非线性、时变等不确定，同时现代工业对控制的要求进一步提高，利用常规的PID 控制很难满足系统的要求。而神经网络作为一门非常热门的交叉学科，以其强大的非线性映射能力、并行处理能力、自学习能力，在控制领域得到广泛的应用。
本文利用RBF 神经网络对PID 控制参数进行在线自整定，在常规PID 控制的基础上，利用神经网络的自学习、自适应能力自动调整系统的控制参数；构造一个具有参数自整定能力、稳定的PID 控制器。这种新型的PID 控制器在一定程度上提高了系统的鲁棒性，并可以利用它对工业纯滞后对象实现高品质的控制。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
