• 首页
  • 公司介绍
    • 公司简介
    • 实力证明
    • 产品工作原理
    • 行业应用与解决方案
  • 全新热敏温控技术
    • 感温材料介绍
  • 产品系列
    • 定制产品
      • 船用不锈钢温控阀温包
      • TV/HAT系列温控阀
      • 洗衣机、洗碗机热动元件
    • 温度压力安全阀(T/P阀)
      • 热水器温度压力安全阀
      • 空压机温度压力安全阀
      • 蒸汽锅炉温度压力安全阀
    • T/P 阀感温棒
    • 电热执行器温包
      • TEA-500 电热执行器温包
      • TEA-501 电热执行器温包
      • TEA-504 电热执行器温包
    • 温控阀温包
      • 温控阀温包 – 300系列
      • 温控阀温包 – 301系列
    • 恒温混水阀温包
      • 0829 恒温混水阀温包
      • 5464 恒温混水阀温包
    • 防冻阀温包
    • 散流器风口温包
    • 汽车温控阀温包
      • 汽车发动机温控阀温包
      • 柴油过滤模块温包
  • 新闻资讯
  • 联系我们
  • Home
  • 新闻资讯
  • [恒温阀芯]基于增强型RBFNN的模糊PID控制器设计方法
 

[恒温阀芯]基于增强型RBFNN的模糊PID控制器设计方法

by admin / 2019/06/11 / Published in 未分类

  现代雷达伺服系统主要使用PID控制,而传统PID控制对非线性系统,时变系统和高惯性系统有一些限制。对雷达伺服系统的复杂数学模型,提出了一种基于遗传算法增强的径向基函数神经网络的模糊PID控制器设计方法,使自适应PID控制器鲁棒稳定。该系统用于从属雷达系统,以提高其灵敏度响应。真分析表明,基于改进径向基函数神经网络和遗传算法的模糊PID控制器具有一定的优势,在实际应用中是有效可行的。
  键词:径向基函数神经网络;遗传算法;模糊控制; PID控制器;雷达伺服系统CLC编号:TN820.3; TP273 0.4文献标识码:AArticle ID:1673-5048(2015)05 -0060-06Abstract:大多数现代雷达伺服系统采用PID控制,但经典的PID控制在非系统方面的限制线性,时变系统和大惯性系统。出了一种基于遗传算法的改进RBF神经网络的模糊PID控制器方法。控制器具有很强的适应性,鲁棒性和稳定性,适用于从属雷达系统,提高了响应灵敏度。真结果表明,本设计关键词:RBFNN;遗传算法;模糊控制; PID控制器;雷达控制系统简介:由雷达天线实时监控的雷达控制系统是雷达系统的重要组成部分,伺服系统的质量直接影响雷达系统的测量精度[1]。统的雷达从站系统一般采用PID控制,主要通过设置三个参数:P(比例),I(积分)和D(差分),这对应于对控制偏差和误差的影响。制和错误变化。
  计算和调整误差累积[2]。统的PID控制器结构简单,易于实现,因此在控制领域得到广泛应用。而,面对非线性问题,复杂的战场环境和干扰因素,传统的PID控制器必须手动调整P,I和D的参数值以满足系统要求。此,关于如何优化PID控制器的研究已成为人们关注的焦点。了提高PID控制器系统的容量,提出了一种基于改进遗传算法的径向基函数神经网络模糊PID控制器。

基于增强型RBFNN的模糊PID控制器设计方法_no.188

  PID控制系统相结合的自主学习能力,自我组织和适应神经网络的优胜劣汰遗传算法和大容量模糊控制推理的生存原则,更适合解决非线性复杂系统的问题[3-7]。细分析和计算了径向基函数神经网络,遗传算法和T-S模糊控制,并通过MATLAB仿真应用验证了该方法的准确性和有效性。有径向基函数的神经网络控制器设计径向基函数神经网络(RBF神经网络)是由20世纪80年代末Moody和Darken提出的三层隐藏分层神经网络。
  ]通常包含输入层,隐含层和输出层,如示于图1中:Wj为HJ隐藏层节点连接到输出层节点的权重,μ是学习率,u(k)是命令输入值。过RBF神经网络的在线算法的自适应调整来控制PID参数Kd,Kp,Ki以控制e(k)。MATLAB提供了两个命令,并newrb newrbe设计神经网络RBF:通过培训Newrb控制错误继续逐步增加神经元的数量径向基而Newrbe迅速通过建立一个网络控制错误。RBF神经网络学习算法中,首先根据输入样本确定隐藏层的每个节点的中心向量Cj和宽度参数bj,并且连接权重wj [12]获得了。嘉璐等:RBFNN模糊PID控制器的改进优化方法遗传算法基于“适者生存”的自然机制,允许通过交换获得最优解。息。
  计方案​​是解决优化问题的有效方法。别地,对于优化某些非线性模块的功能的问题,它使得可以快速且容易地获得功能优化的最佳结果。其他优化算法(如模拟退火算法)相比,它具有更好的整体搜索能力,快速收敛,不会陷入最优局部解决方案的问题。算法主要由染色体编码方法,适应度评估,遗传算子和基本遗传算法的操作参数组成。旦遗传操作者已经产生的初始群体中,遗传算法使用的复制经营者,交叉和突变,以产生后代,取代部分上一代的群体,形成了新的种群越大代以前。
  着小组不断优化,遗传算法找到最佳个体逐步接近最优解,并最终达到解决最优解问题的目标。传算子的设计非常重要,因为它涉及自然物种的繁殖,杂交和变异过程,使具有良好身体状况的个体得以保留并形成新的群体,继承自上一代。要的过程[13]。制在复制过程中,群体中个体的选择取决于其适合度。体健康的人将有更多的机会抚养孩子,这意味着下一代的生存机会更多。择的主要方法是排序方法,自适应值的比例选择方法和联盟的选择方法。
  文采用联盟的选择方法,其基本思想是从现有群体中随机选择一定数量的个体,并保持最适合健康的个体[14]。过重复这个过程,下一代中的个体数量可以填充交配池。叉复制操作仅保留上一代的高技能人员,但不能创建新的染色体,并且交叉操作可以完成该过程。传算法的整体搜索性能主要由交叉算子决定。交算子是指父母染色体的繁殖,其具有很强的适应性作为亲本以获得更好的一代。叉概率的范围通常在0.6和1之间。果亲本的染色体位置接近,则新的染色体位置将更接近亲本染色体。果,搜索将变得更随机。交叉操作结束后执行突变操作符,并且在突变过程期间将新染色体添加到群体中。
  变是随机改变小染色体信息的过程。有染色体上都不会发生这一过程。突变主要旨在提高遗传算子的局部搜索能力,并加强该群体的多样性。文的主要用途是统一变异算子。过遗传算法增强RBF神经网络RBF神经网络是一种具有优异性能的预期神经网络,允许任意非线性函数以任意精度,紧凑拓扑和快速收敛来近似。
  是,由于系统结构的复杂性和数据量的增加,RBF神经网络不能完全避免不符合局部最小值的问题。别是,掩蔽层节点的中心值和宽度的选择对RBF神经网络的函数的近似容量具有重要影响[15]。本文中,遗传算法的整体搜索能力用于优化RBF神经网络中隐藏层的中心值和宽度,以确保找到最佳权重解。固定RBF神经网络结构的前提下,采用遗传算法代替RBF网络学习算法,形成网络加权系统,优化其价值。于遗传算法优化RBF神经网络结构的步骤如下:网络总体大小的定义,初始种群的随机生成和RBF神经网络中权重的编码。进制编码; GA参数的定义和自适应调整算法;代码群中的每个单独的比特串获得N组网络加权值,并获得具有相同结构的N个网络,并从该组样本中获得N组N组网络加权值。过下游传播算法输入。络输出:定义网络的目标函数,将其转换为适应值,评估N个网络,根据适应值在GA空间中制作副本,具体取决于交叉,变异相关的算法和参数相应的操作导致新一代群体:在达到性能要求之前,获得一组优化的权重值。传算法PID参数调整通过调整遗传算法优化的RBF神经网络,得到最优PID控制器参数。过程主要涉及选择变量符号和调整格式化功能。量表示调节PID调节器参数的问题的元素,特别是比例增益Kp,积分增益Ki和微分增益Kd。种直接表达所定义变量的方法大大减少了计算机对人口的存储空间。此,通过基于遗传算法增强的RBF神经网络程序最优地调整PID控制器来获得参数值。应度函数表示上述参数的方法是最大化非负适应度函数的评估结果。应度函数的值与目标函数的值线性相关。此,参数的评估可以将目标函数F(Kp,Kd,Ki)作为标准函数,并且通过目标函数的相应标准建立适应度函数。此,性能标准的最小值问题可以转化为要求解的适应度函数的最大值问题:等式(5)的函数是增加1 / F的值,这样染色体的适应值可以是相对的。续扩大规模。入RBF神经网络的PID控制器,误差率和误差率,经遗传算法优化后,得到ΔKp,ΔKd,ΔKi的参数。了最大限度地减少错误,通常会选择最适合的群体进行复制,交叉和变异操作。化掩蔽层节点的中心值,掩蔽层节点宽度和遗传算法生成的输出线性权重确保RBF神经网络可以找到整体最优解。糊控制TS模糊控制TS由日本专家Takagi和Sugeno联合提供。糊规则是:如果x是A而y是B,那么z = f(x,y)(7)其中:A和B在旧的模糊游戏中; x和y是输入变量; f(x,y)是后者的精确函数;每个变量的模糊游戏由其相应的隶属函数表示。mamdani模糊系统模型相比,模糊T-S控制产生非模糊量,但精确或精确的线性函数[16]。T-S模糊系统的核心是由一组这种规则形成的。具体的输入信号的情况下,模糊系统定义了模糊规则,并且计算在两个步骤中的实际输出:搜索规则下的隶属函数输入ωi的的第一极小值,然后使用公式(7)。体输出值是从每个输出规则的加权平均来计算:Z =ΣMI = 1 | Z | MI = 1个ωi的(8)在不同的运行条件下PID控制器参数由模糊系统确定ST。PID控制器设计方法实时PID优化由T-S模糊控制器执行。中:误差e和误差变化率ec是输入参数; ΔKp,ΔKd,ΔKi是输出值。差e和误差率的变化ec域定义了7个模糊子集,即{大负(NB),平均负(NM),小负(NS),零(ZO),小(PS),中心(PM),正大(PB)},其隶属函数被选择为完全重叠的正常类型。过遗传算法提高了RBF网络可以优化的输入和输出参数PID最优控制参数对应于输入值,并在每一个优化过程E统可以被用作控制规则PID控制器模糊参与PID控制器。置参数的最后过程。e和ec的每个组合的基础上,通过遗传算法增强的RBF神经网络给出相应的ΔKp,ΔKd,ΔKi的最佳值。于雷达伺服系统,根据内部机构和改变到系统中,该功能可以等同于下面的传递函数为:G(S)= 1个S(S 1)(S 2)(9)模糊逻辑工具箱(FIS)的仿真结果,模糊控制输入定义为e误差和ec误差变化率,并处理输出以获得优化参数PID Kd,Kp,Ki。图7所示,与传统的PID控制器相比,改进的模糊PID控制器在系统溢出和稳定性方面提供了很大的改进。应时间更短。强型PID控制器可以很好地控制雷达伺服系统,与传统的PID设置相比,可以更快,更稳定地响应伺服系统参数。
  了更准确地反映改进模糊PID控制器在更复杂系统中的效果,在原始仿真模型的基础上,增加了饱和区域的噪声干扰和非线性影响因子。先,将白噪声干扰因子添加到系统中,如图8所示。统PID控制下的输出结果和模糊PID增强控制都有一定的波动性,但控制器改进的模糊PID在噪声环境中可以更稳定并且具有良好的处理环境。量。二,死区和饱和区的非线性影响因子,如图2所示。图9所示,将系统的输出部分加到系统的输出部分,以获得PID控制下系统的输出信号和改进的模糊PID控制的优化,恒温阀芯如图9所示。10.从图10中可以看出,在加入系统控制输入的非线性输入后,改进的模糊PID控制器可以更好地抑制系统和传统PID控制器的非线性因素。时被扭曲和消散,控制性能严重下降。论在雷达伺服系统的设计中,传统的PID控制器难以解决非线性和复杂性问题,因此需要改进的PID控制器。本文中,我们使用遗传算法,ST模糊逻辑控制和径向基本函数神经网络来改善最优PID控制器参数,并将调整参数的结果应用于PID控制器的设计。达伺服系统。强型PID控制器易于实现,稳定性高,收敛性高,计算效率高,系统误差接近于零。真是通过执行Simulink的和比较,伺服系统的PID控制器雷达traditionnel.Les实验结果表明,改进的PID控制器提供更快的收敛速度,更大的计算的效率,较低的溢出错误和更好控制对非线性因素的影响。决了错误难以从头开始的问题。此,增强型伺服雷达系统PID控制器在实际应用中具有一定的优势,是可行和有效的。
  本文转载自
  恒温阀芯 https://www.wisdom-thermostats.com

归档

  • 2020年八月
  • 2020年七月
  • 2020年六月
  • 2020年五月
  • 2020年四月
  • 2020年三月
  • 2020年二月
  • 2020年一月
  • 2019年十二月
  • 2019年十一月
  • 2019年十月
  • 2019年九月
  • 2019年八月
  • 2019年七月
  • 2019年六月
  • 2019年五月
  • 2019年四月
  • 2019年三月
  • 2019年二月
  • 2019年一月
  • 2018年十二月
  • 2018年十一月
  • 2018年十月
  • 2018年八月
  • 2018年七月
  • 2018年六月
  • 2018年五月
  • 2018年四月
  • 2018年一月
  • 2017年十月

文章分类

  • 技术
  • 资讯

关于威仕顿

  • 公司简介
  • 实力证明
  • 感温材料介绍
  • 全新热敏温控技术
  • 产品工作原理
  • 行业应用与解决方案
  • 版权与条款

产品

  • 定制产品
    • 船用不锈钢温控阀温包
    • TV/HAT系列温控阀
    • 洗衣机、洗碗机热动元件
  • 温度压力安全阀(T/P阀)
    • 热水器温度压力安全阀
    • 空压机温度压力安全阀
    • 蒸汽锅炉温度压力安全阀
  • 电热执行器温包
    • TEA-500 电热执行器温包
    • TEA-501 电热执行器温包
    • TEA-504 电热执行器温包
  • 温控阀温包
    • 温控阀温包 – 300系列
    • 温控阀温包 – 301系列
  • 恒温混水阀温包
    • 0829 恒温混水阀温包
    • 5464 恒温混水阀温包
  • T/P 阀感温棒
  • 防冻阀温包
  • 散流器风口温包
  • 汽车温控阀温包
    • 汽车发动机温控阀温包
    • 柴油过滤模块温包

联系我们

Tel.: 0574 - 8805 9937
Mob.: 180 6927 2889
技术咨询: 181 0689 9222

Email: sales@wisdom-thermostats.com

浙江威仕顿温控科技有限公司
宁波市 鄞州区 首南街道,萧皋西路 615 号

© 2015 浙江威仕顿温控科技有限公司 all rights reserved. | 浙ICP备17055712号

TOP