BP神經網絡算法的改進及其在PID控制中的應用研究.pdf

1、作為人工智能的重要組成部分，人工神經網絡有較大的應用潛力。本文在闡述了神經網絡的發(fā)展、現狀、基本原理及其在自動控制中的應用的基礎上，主要研究BP神經網絡的結構與算法及其在PID控制中的應用。 BP神經網絡是目前應用較多的一種神經網絡結構。它能以任意精度逼近任意非線性函數，而且具有良好的逼近性能，并且結構簡單，是一種性能優(yōu)良的神經網絡。因此，BP神經網絡在運用于PID控制時具有其獨特的優(yōu)勢。 本文研究了BP神經網絡的數學理

2、論，詳細分析了幾種流行的BP神經網絡學習算法的優(yōu)缺點。針對一般BP算法收斂速度慢，易陷入局部極小值的缺陷，本文受Fletcher-Reeves線性搜索方法的指引，提出了基于改進共軛梯度法的BP算法。本文從理論方面對算法進行了深入的分析，介紹了算法的詳細思路和具體過程。并將算法訓練后的BP神經網絡運用到函數逼近中去。仿真結果表明，這種改進方案確實能夠改善算法在訓練過程中的收斂特性，而且提高收斂速度，取得令人滿意的逼近效果。 將BP

3、神經網絡運用于PID控制中，能夠有效克服經典PID控制器在被控對象具有非線性、時變不確定性和難以建立精確的數學模型時出現的參數整定不良和性能欠佳等缺陷。本文在研究了基于BP神經網絡的PID控制器結構和算法的基礎上，用改進共軛梯度算法對神經網絡PID控制器參數進行在線整定，提出了一種基于改進BP神經網絡的PID控制方法。仿真結果表明，這種改進方案不僅能夠提高算法在訓練過程中的收斂速度，而且訓練后的BP神經網絡具有較強的自適應和自學習能力，