制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2012年
23期
154-156
,共3页
伺服控制%PID控制器%人工神经网络%极速学习机
伺服控製%PID控製器%人工神經網絡%極速學習機
사복공제%PID공제기%인공신경망락%겁속학습궤
PID控制器在智能伺服系统的设计上具有良好的应用前景.目前,神经网络PID控制器在各个控制领域中得到了成功的应用,如BP神经网络PID控制器、RBF神经网络PID控制器等.然而,这些神经网络的学习一般采用最陡梯度下降算法,算法速度太慢,导致在伺服系统中PID控制的实时性太差.本论文以无刷直流伺服马达速度控制作为研究对象,提出一种基于极速学习机(Extreme Learning Machine,ELM)的新型三层前馈神经网络PID控制器.与传统的神经网络函数逼近原理不同,只要神经元激活函数具有可微的形式,输入权值和隐藏层偏置值就能随机的设置,那么ELM神经网络输出层的权值就可以具有解析的计算式,在PID控制中具有较好的实时性.实验结果表明:此PID控制器在性能上可以达到我们所要求的控制要求,相比其他神经网络PID控制器具有更好的实时性.
PID控製器在智能伺服繫統的設計上具有良好的應用前景.目前,神經網絡PID控製器在各箇控製領域中得到瞭成功的應用,如BP神經網絡PID控製器、RBF神經網絡PID控製器等.然而,這些神經網絡的學習一般採用最陡梯度下降算法,算法速度太慢,導緻在伺服繫統中PID控製的實時性太差.本論文以無刷直流伺服馬達速度控製作為研究對象,提齣一種基于極速學習機(Extreme Learning Machine,ELM)的新型三層前饋神經網絡PID控製器.與傳統的神經網絡函數逼近原理不同,隻要神經元激活函數具有可微的形式,輸入權值和隱藏層偏置值就能隨機的設置,那麽ELM神經網絡輸齣層的權值就可以具有解析的計算式,在PID控製中具有較好的實時性.實驗結果錶明:此PID控製器在性能上可以達到我們所要求的控製要求,相比其他神經網絡PID控製器具有更好的實時性.
PID공제기재지능사복계통적설계상구유량호적응용전경.목전,신경망락PID공제기재각개공제영역중득도료성공적응용,여BP신경망락PID공제기、RBF신경망락PID공제기등.연이,저사신경망락적학습일반채용최두제도하강산법,산법속도태만,도치재사복계통중PID공제적실시성태차.본논문이무쇄직류사복마체속도공제작위연구대상,제출일충기우겁속학습궤(Extreme Learning Machine,ELM)적신형삼층전궤신경망락PID공제기.여전통적신경망락함수핍근원리불동,지요신경원격활함수구유가미적형식,수입권치화은장층편치치취능수궤적설치,나요ELM신경망락수출층적권치취가이구유해석적계산식,재PID공제중구유교호적실시성.실험결과표명:차PID공제기재성능상가이체도아문소요구적공제요구,상비기타신경망락PID공제기구유경호적실시성.
