| 【中文题名】 | BP神经网络算法的改进及其在PID控制中的应用研究 |
| 【英文题名】 | Study on Algorithm Improvement of BP Neural Networks and Its Application in PID Control |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-4-17 |
| 【中关键词】 | 人工智能,BP神经网络,共轭梯度法,PID控制,自整定, |
| 【英关键词】 | artificial intelligence,BP neural network,conjugate gradient,PID control,self-adjusting, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
作为人工智能的重要组成部分,人工神经网络有较大的应用潜力。本文在阐述了神经网络的发展、现状、基本原理及其在自动控制中的应用的基础上,主要研究BP神经网络的结构与算法及其在PID控制中的应用。
BP神经网络是目前应用较多的一种神经网络结构。它能以任意精度逼近任意非线性函数,而且具有良好的逼近性能,并且结构简单,是一种性能优良的神经网络。因此,BP神经网络在运用于PID控制时具有其独特的优势。
本文研究了BP神经网络的数学理论,详细分析了几种流行的BP神经网络学习算法的优缺点。针对一般BP算法收敛速度慢,易陷入局部极小值的缺陷,本文受Fletcher-Reeves线性搜索方法的指引,提出了基于改进共轭梯度法的BP算法。本文从理论方面对算法进行了深入的分析,介绍了算法的详细思路和具体过程。并将算法训练后的BP神经网络运用到函数逼近中去。仿真结果表明,这种改进方案确实能够改善算法在训练过程中的收敛特性,而且提高收敛速度,取得令人满意的逼近效果。
将BP神经网络运用于PID控制中,能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时出现的参数整定不良... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
第一章 绪论 |
7-16 |
|
1.1 人工神经网络概述及其发展史 |
7-9 |
|
1.2 人工神经网络在自动控制中的应用 |
9-11 |
|
1.3 PID 控制方法综述 |
11-14 |
|
1.4 本课题研究工作及内容安排 |
14-16 |
|
第二章 人工神经网络的基本原理及模型 |
16-24 |
|
2.1 神经网络构成的基本原理 |
16-17 |
|
2.1.1 人工神经元模式 |
16 |
|
2.1.2 连接权值 |
16-17 |
|
2.1.3 神经网络状态 |
17 |
|
2.1.4 神经网络的输出 |
17 |
|
2.2 神经网络结构及工作方式 |
17-19 |
|
2.3 神经网络的学习方法 |
19 |
|
2.4 几种典型的神经网络 |
19-22 |
|
2.5 人工神经网络的发展趋势 |
22-24 |
|
第三章 BP 神经网络算法的改进及其仿真研究 |
24-41 |
|
3.1 BP 算法的数学描述 |
24-27 |
|
3.2 BP 算法的缺陷 |
27-28 |
|
3.3 提高训练速度的方法——几种改进的BP算法 |
28-30 |
|
3.3.1 附加动量项法 |
28 |
|
3.3.2 自适应学习率法 |
28-29 |
|
3.3.3 附加动量项与自适应学习率结合的快速 BP 算法 |
29-30 |
|
3.4 BP 算法的一种改进——改进的共轭梯度BP 算法 |
30-32 |
|
3.4.1 共轭梯度法 |
30-31 |
|
3.4.2 改进共轭梯度法 |
31-32 |
|
3.5 面向MATLAB 的BP 神经网络仿真和分析 |
32-40 |
|
3.5.1 一般BP 算法及其改进算法训练过程的不同 |
32-39 |
|
3.5.2 BP 神经网络的函数逼近 |
39-40 |
|
3.6 本章小结 |
40-41 |
|
第四章 基于BP 神经网络的PID 控制方法研究 |
41-54 |
|
4.1 PID 控制器原理及其参数自整定 |
41-45 |
|
4.2 基于改进BP 神经网络的PID 控制器设计 |
45-50 |
|
4.2.1 基于BP 神经网络的PID 控制原理 |
46-48 |
|
4.2.2 改进共轭梯度算法应用于 BP 网络 |
48-50 |
|
4.2.3 基于改进BP 神经网络的PID 控制算法实现 |
50 |
|
4.3 实例仿真 |
50-53 |
|
4.4 本章小结 |
53-54 |
|
结束语 |
54-56 |
|
参考文献 |
56-59 |
|
发表论文情况 |
59-60 |
|
致谢 |
60 |
|
| 【DOI】 | LunWen.ID:2.2008.388450 |
