基于神经网络分数阶PI.docVIP

Modeling and Simulation 建模与仿真, 2012, 1, 45-48 /10.12677/mos.2012.12007 Published Online November 2012 (/journal/mos.html) The Intelligent Vehicle Research on Neural Network ? ? Fractional Order PI D Control Yong Lei, Huijuan Zheng The Electrical Engineering College, Guizhou University, Guiyang Email: scnjly880621@163.com Received: Sep. 23 , 2012; revised: Oct. 5 , 2012; accepted: Oct. 16 , 2012 rd th th Abstract: In this paper, we combined the BP neural network with the fractional order PI D? organically. Using ? preview follower theory simplified modeling for highly nonlinear intelligent vehicles, designed of fractional-order PI D? control based on neural network intelligent vehicles. Finally, designed with simulation and validation, and with normal fractional order PI D? and conventional PID control effect for a comparative analysis, simulation showed that the fractional-order PI D? controller based on neural networks in terms of dynamic performance, steady-state ? ? ? and error are better than the general fractional order PI D? and conventional PID control, proved the effectiveness of ? the design. ? ? Keywords: BP Neural Network; Fractional Order PI D ; Smart Car; Preliminary Glance with Theory ? ? 基于神经网络分数阶 PI D控制的智能车研究 雷 勇，郑慧娟 贵州大学电气工程学院，贵阳 Email: scnjly880621@163.com 收稿日期：2012年 9月 23日；修回日期：2012年 10月 5日；录用日期：2012年 10月 16日 ? ? 要：本文将 BP 神经网络与分数阶 PI D 有机结合，采用预瞄跟随理论对高度非线性的智能车进行简化建 摘 ? ? ? ? 模，设计了基于神经网络分数阶 PI D 控制的智能车。最后对设计进行了仿真验证，并与普通分数阶 PI D 及 ? ? 常规 PID的控制效果进行了比较分析，仿真验证表明了神经网络分数阶 PI D 控制器在动态性能、稳态误差等 ? ? 方面都要优于一般分数阶 PI D 及常规 PID控制，证明了本设计的有效性。 ? ? 关键词：BP神经网络；分数阶 PI D ；智能车；预瞄跟随理论 1.引言 上明显优于常规 PID。但是，仍未达到预期的控制效 ? ? 果，本文将 BP神经网络与分数阶 PI D 相结合，设 智能车是许多高新技术的合体，其模型具有高度 ? ? 计了基于自整定的 BP 神经网络分数阶 PI D 控制 的非线性。早期对智能车的控制主要是采用常规的 ? ? 器，