基于bp神经网络的自校正pid控制研究

基于bp神经网络的自校正pid控制研究内容摘要：

    其中 (18) 由公式 (15) (17) (18)可见， BP 算法是反向递推算法 . 从以上推 导 可以得到 BP 算法修正权值的三个关键 公式 : 1,k k ki j pj piwx  (9) 39。 ( ) ( )Q Q Qpi pi pi pid x f s  (12) 139。 1 1,1( ) ( )knk k k kp i p i p l l ilf s w   (14) 其中 , 1( 1, 2,..., )( 1, 2,..., )( 1,..., 2)kkjninkQ 当选定神经网络的输出变换函数时 ,公式 (9)(12)(14)可以进一步简化得到 : 1( ) ,1 xy f x e 时 39。 ( ) ( )(1 ( ))f x f x f x 则 ( ) ( ) ( 1 ( ) ) ( ) ( 1 )Q Q k k Q k kp j p j p j p j p j p j p j p j p jd x f s f s d x x x       (19) 111 1 1 1..( ) ( 1 ( ) ) ( ) ( 1 ) ( )kknnk k k k k k k k kp j p j p j p l j l p j p j p l j lllf s f s w x x w         (20) 39。 11( ) ( ) ( 1 ( ) ) ( 1 ( ) )12xxef x f x f x f xe    当 时, 则 11( ) ( 1 ( ) ) ( 1 ( ) ) ( ) ( 1 ) ( 1 )22Q Q k k Q k kp j p j p j p j p j p j p j p j p jd x f s f s d x x x         (21) 111 1 1 1..( 1 ( ) ) ( 1 ( ) ) ( ) ( 1 ) ( 1 ) ( )kknnk k k k k k k k kp j p j p j p l j l p j p j p l j lllf s f s w x x w           (22) 综上 ,BP 算法属于全局逼近算法 ,具有较好的泛化能力 .只要有足够的隐层和隐节点数 ,它可以逼近任意的非线性映射关系 .由上面的算法原理利用 MATLAB 源程序用多层前馈网络和 BP 算法对其系统进行辨识仿真 ,设某两输入两输出的系统模型为 : Yp2(k+1)=[yp1(k)yp2(k)/(1+yp2(k))+u2(k)] Yp1(k+1)=[yp1(k)/(1+yp2(k)^2)+u1(k) 测试数据为 sin(pik/25), k≦ 250 U(k)=﹛ , 250k≦ 500 , 500k≦ 750 (pik/25)+(pik/32)+(pik/40),750k≦ 1000. 神经网络模型选 [3,3,1]结构 ,步长为 output1 与 output2 输入信号和神经网络的输出信号的仿真图及误差为 0 100 200 300 400 500 600 700 800 900 10001 0 . 500 . 51t i m e koutput10 500 1000 1500 2020 250000 . 0 20 . 0 40 . 0 6t i m e kmste1 图 3 output1 输入输出信号及系统误差的仿真图 0 100 200 300 400 500 600 700 800 900 1000 0 . 500 . 5t i m e koutput20 500 1000 1500 2020 250000 . 0 20 . 0 40 . 0 60 . 0 8t i m e kmste2。