基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究.pdf

1、PID控制器因其結(jié)構(gòu)原理簡(jiǎn)單、容易實(shí)現(xiàn)、控制效果好和魯棒性強(qiáng)等特點(diǎn)，被廣泛應(yīng)用于各種工業(yè)控制中。然而，常規(guī)PID控制器因其參數(shù)一旦調(diào)定將不可變，同時(shí)由于實(shí)際系統(tǒng)的非線性、時(shí)變性、不確定性等因素的影響，往往難以達(dá)到理想的控制效果。智能控制理論的發(fā)展為解決復(fù)雜動(dòng)態(tài)不確定系統(tǒng)的控制問(wèn)題提供了新的途徑，智能控制與常規(guī)PID控制相結(jié)合，揚(yáng)長(zhǎng)避短，優(yōu)勢(shì)互補(bǔ)，可形成許多形式的智能PID控制器。智能PID控制器因其具有不依賴于精確的系統(tǒng)數(shù)學(xué)模型、對(duì)系統(tǒng)

2、參數(shù)變化具有較好的適應(yīng)性等特點(diǎn)而具有廣闊的應(yīng)用前景。
　　BP學(xué)習(xí)算法作為前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練中應(yīng)用最多的算法，它是利用非線性規(guī)劃方法中的最速下降梯度方法修正網(wǎng)絡(luò)權(quán)值和閾值，使得學(xué)習(xí)誤差達(dá)到最小二乘意義下的最小。但其存在著收斂慢、對(duì)權(quán)值初值敏感、易陷入局部極小等嚴(yán)重缺陷。BP神經(jīng)網(wǎng)絡(luò)整定PID參數(shù)的本質(zhì)是在傳統(tǒng)PID基礎(chǔ)上融合BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，因此，不可避免地存在BP神經(jīng)網(wǎng)絡(luò)的一些缺陷。在 BP網(wǎng)絡(luò)整定 PID參數(shù)的過(guò)程中，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)

3、、學(xué)習(xí)速率因子、激活函數(shù)等參數(shù)合理選定的情況下，研究網(wǎng)絡(luò)權(quán)系數(shù)初值的隨機(jī)性選取、被控對(duì)象Jacobian信息的不精確性對(duì)BP算法學(xué)習(xí)性能的影響，有著非常重要的意義。
　　因此，本文提出了一種基于蟻群優(yōu)化的離線全局尋優(yōu)BP網(wǎng)絡(luò)的權(quán)系數(shù)初值、BP神經(jīng)網(wǎng)絡(luò)在線自學(xué)習(xí)、RBF神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)辨識(shí)Jacobian信息的智能控制 PID控制策略，有效地克服了BP算法訓(xùn)練過(guò)程中收斂慢和易陷入局部極小值的缺陷。利用該控制策略，對(duì)PID參數(shù)進(jìn)行在線調(diào)整