基于CPSO-BP-PID的神经网络控制方法研究.pdfVIP

学兔兔 参l 訇 似 基于CPSO—BP—PID的神经网络控制方法研究 ThestudyofneuraInetworkscontrolmethodbased on CPS0．BP．P-D 杨玉东 YANGYu．dong (江苏省淮阴工学院 电子与电气工程学院，淮安223003) 摘 要：针对传统PID控制方法的参数不易整定、调节时间偏长的缺点，将CPSO算法用~：JIBP—PID的参 数整定过程中，从而设计了一种稳定、高效的自适应控制器 (OPSO—BP—PID)。由于CPSO 算法的粒子速度更新来自于粒子的自身最优值、每个子群的最优值以及本子群的最优值，使 其充分发挥了PSO的社会分享机制，全局有哪些信誉好的足球投注网站能力更强，从而保证了由其整定的BP神经网 络更加适合PID控制参数的优化过程。通过比较实验中建立的PSO—BP—PID、BP—PID以及 CPSO—BP—PID种控制器的控制性能，实验结果表明OPSO—BP—PID控制器可以实现对被控 系统的有效控制，并可较大程度地提高其控制过程的稳定性、精确性与鲁棒性。 关键词：BP神经网络；参数整定；合作粒子群算法；PID；MATLAB仿真 中图分类号 ：TP273 文献标识码 ：A 文章编号 ：1009-0134(2014)03(下)-oo5o-o4 Doi：10．3969／J．issn．1009-0134．2014．03(下)．13 0 引言 1 CPSO—BP-PID控制器的总体结构 PID控制算法将偏差的比例(ki)、积分(kp)和微 为取得较好的PID控制效果，必须调整好 比 分(kd)通过线性组合构成控制量，利用其对被控对 例、积分和微分三种控制作用，从而形成控制量 象进行控制，该算法具有理论成熟、结构简单、 中既相互配合又相互制约的关系 叫，但这种关系 易实现、精度高等优势n]，但是，传统的PID控制 并非简单的 “线性组合”，而是需要从变化无穷 参数的调整过程主要通过人工经验完成，该方法 的非线性组合中找出最佳控制效果的参数组合， 不但费时，且不能保证获得最佳的控制性能。在 神经网络所具有的任意非线性表达能力使其可 以 这种情况下，神经网络凭借其具有非线性特性、 找到这种组合，通过对系统性能的学习过程，神 可实现自适应控制等优势被引入到控制领域中I。 经网络即可有哪些信誉好的足球投注网站到最佳组合的控制参数，从而实 然而，在其实际应用的过程中，由于常规的BP神 现相应优化的PID控制 。文 中实现了一种CPSO—BP 经网络所采取的反向传播学习算法的全局有哪些信誉好的足球投注网站能 神经网络，并将其用于PID控制器的ki，kp，kd控制 力弱，易陷入局部最优，其控制效果并不理想， 参数的自学习过程 中，从而建立CPSO—BP—PID控 从而大大限制 了神经网络在PID控制器中的应用 。 制器，整个控制器的总体结构如图1所示 。 由此，文中提出将易于实现、通用性强、收敛速 度快的合作粒子群优化算法(CPSO)作为神经网 络的学习算法 J，从而建立了CPSO-BP，并利用 CPSo—BP神经网络对PID控制器的比例、积分和微 分参数进行优化调整 。文中通过仿真实验建立了 CPSO