基于BP神经网络整定的PID直流伺服电机转速控制.pptVIP

PID控制器参数对系统的影响 BP网络的改进 方法：加入动量项校正，加入的动量起到缓冲 平滑的作用 6 学习总结 * * 基于BP神经网络整定的PID 直流伺服电机转速控制 导师：师黎 姓名：胡玉纯 主要内容 1 直流伺服电机模型 2 PID控制 3 BP网络 4 BP与PID控制的综合 5系统仿真 6.学习总结 在实际工程中，因电枢电感较小可忽略不计，简化后可得 直流电机电枢电压到转速的传递函数为： ⑴电势平衡方程 ⑵电枢电势方程 ⑶电磁转矩方程 ⑷转子运动方程 1.直流伺服电机模型 PID : Proportional Integral Derivative 2.PID控制 式⑴减去式⑵可得增量式PID控制算法表达式： ⑵ ⑴ ⑶ 增量式PID 改善系统动态性能, 对偏差具有预见性, 但Kd过大将延长调节时间. 微分系数Kd 较大有利于消除系统稳态误差, 但Ki过大容易使系统产生积分饱和. 积分系数Ki 增大可缩短系统响应时间, 提高精度, 但Kp过大时, 系统产生超调, 稳定性降低. 比例系数Kp 影响 参数 常规PID控制器很难适应参数随时间变化的情况 3. BP网络 BP神经网络的算法 网络初始化 给定输入向量和目标输出 计算隐含层、输出层点节点输出 计算反向误差 结束 权值学习 判断是否结束？ 是 否 算法：将最后一次权值变化的影响通过一个动 量因子传递到下次权值调整的计算中 原因：BP网络收敛速度慢 易陷入局部极小值 4.BP与PID控制的结合 =0.20; %学习速率 0.2 =0.05; %惯性系数0.04 for k=1:1:6000 rin(k)=100*sin(1*2*pi*k*ts); %ts=0.001 end ⑴系统输入：正弦伺服信号 ⑵学习参数： 参数初始化 5.系统仿真 输入：rin 输出：yout ⑴系统输入输出 ⑵误差曲线 ⑶控制器输出曲线 ⑷PID参数变化图 泛化能力 对模型的要求 神经网络PID 模糊 PID 常规 PID 纵向比较 强 强 1.初值问题 实际工程是否可以随机初始化系统权值？ 2.实时性问题 a 软实时性 b 硬实时性 3.BP网络的结构问题 隐含层数和隐含层神经元个数的自适应调整 谢谢！ ————————————————————————————— *