海军航空工程学院学报
海軍航空工程學院學報
해군항공공정학원학보
Journal of Naval Aeronautical and Astronautical University
2015年
4期
310-314
,共5页
PID控制%RBF神经网络%支持向量机%自整定
PID控製%RBF神經網絡%支持嚮量機%自整定
PID공제%RBF신경망락%지지향량궤%자정정
PID control%RBF neural network%support vector machine%self-tuning
针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小.实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定.仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定.
針對工業控製領域中非線性繫統控製,在基于梯度下降法的RBF網絡PID整定的基礎上,對整定算法作齣改進,控製目標不再是使噹前跟蹤誤差最小,而是使噹前跟蹤誤差和下一時刻跟蹤誤差的平方和最小.實現過程為:先由RBF神經網絡在線辨識被控對象離散模型,得到被控對象的Jacobian信息,採用梯度下降法對PID控製器參數進行初步整定;然後,將繫統跟蹤誤差和PID參數輸入支持嚮量機模型,通過迴歸預測繫統下一時刻的誤差,改進的整定算法利用預測誤差信息對參數進行再整定.倣真結果錶明,引入支持嚮量機迴歸優化的RBF神經網絡PID整定收斂速度更快,精度更高,跟蹤性能優于RBF神經網絡PID整定.
침대공업공제영역중비선성계통공제,재기우제도하강법적RBF망락PID정정적기출상,대정정산법작출개진,공제목표불재시사당전근종오차최소,이시사당전근종오차화하일시각근종오차적평방화최소.실현과정위:선유RBF신경망락재선변식피공대상리산모형,득도피공대상적Jacobian신식,채용제도하강법대PID공제기삼수진행초보정정;연후,장계통근종오차화PID삼수수입지지향량궤모형,통과회귀예측계통하일시각적오차,개진적정정산법이용예측오차신식대삼수진행재정정.방진결과표명,인입지지향량궤회귀우화적RBF신경망락PID정정수렴속도경쾌,정도경고,근종성능우우RBF신경망락PID정정.
