基于BP神经网络的仿人智能控制仿真研究.pdfVIP

维普资讯 圆短文 基于BP神经网络的仿人智能控制仿真研究 邹鲁勇 张利建 (山东滨化集团) (青岛科技大学 自动化与电子工程学院) 摘要：在仿人智能控制算法的闭环阶段。须调整比例、积分和微分三种控制作用，形成控制量既相互配合 又相互制约的关系，这种关系不一定是简单的 “线性组合”，从变化无穷的非线性组合中可以找出最佳的。而 BP神经网络所具有的任意非线性表达能力。可以通过对系统性能的学习来实现具有最佳组合的过程控制。在对 非线性系统的数值仿真中，取得了较好的阶跃响应。 关键词：仿人智能控制；非线性组合；BP神经网络；非线性系统 1引言 k—抑制系数 e—误差 仿人智能控制原型算法由重庆大学周其鉴教授 毒一误差变化率 等人提出，1983年在国际上正式发表。经过20多年 m．i—误差第 i次峰值 的发展，仿人智能控制理论已形成了基本的理论体系 2．1基于BP网络的控制算法 和较为系统的设计方法。仿人智能控制的特点，是其 人工神经网络用简单的数据处理单元模拟神经 对人工控制的模仿，即模仿人控制时，操作者观察、 元作为网络的一个结点，用权值模拟神经元之间的突 分析、决策及操作的规律，对过程进行控制。但是， 触连接强度，正权值起兴奋性突触的作用，负权值则 目前的仿人智能控制算法仍不完善，需要改进。例如， 起抑制型突触的作用。一个结点有许多输入，类似于 在闭环控制阶段，只采用了比例控制模式，且是固定 神经细胞的树突，接受来 自其它神经元的兴奋或抑制 比例增益的。本文发挥各智能控制的优势，扬长避短， 信号。计算处理单元对所有输入值进行加权求和，并 将BP神经网络引入到闭环控制阶段，保证了参数在 将加权和通过内部转换函数产生一个输出值，其作用 线实时调整，本文的数值仿真结果，证明了该算法的 相当于神经细胞中传出神经冲突的轴突。本文采用 有效性。 BP神经网络。 2仿人智能控制算法 典型的BP神经网络是三层前馈阶层网络，即输 入层、隐含层和输出层，各层之间的连接结构 如图 在误差e的绝对值逐渐变大时，采用闭环控制策 1所示。 略；在误差绝对值逐渐减小时，采用开环保持策略。 i 仿人智能控制的基本算法为川： if 舌0Ue=0n舌≠0 then n-1 “=KPe+kKP∑em。i (1) if 舌0U毒=0 then “=kKP∑ ．i (2) 图1BP网络 i=l 图中隐含单元与输入单元，输出单元与隐含单 U—控制输出 元，通过相应的连接权逐个相互连接。分别介绍输入