按照用于温度控制的神经网络要求BP，一个模糊PID控制器是被用作被用作PID参数flou.Le PID控制器的输入错误率和错误的créé.Le变化PID控制器输出模糊。组模糊规则用于实现PID。
线优化参数。糊PID控制器和传统的PID控制器进行建模，并通过该平台Simulink的图形化工具，这表明，相对于传统的PID控制器的模拟，恒温阀芯模糊PID控制器提供卓越的性能，增加了系统响应速度和减少超限。BP神经网络;模糊控制;模糊PID控制;隶属函数数中图分类号：TP21文献标识码：文章编号：基于基于BPZHANG拥军汪夯隅神经网络1004-373X（2008）07-133-03Conception模糊PID控制器（航空理工学院西安，西安710089，中国）Abstract：一模糊PID控制器来控制温度BP神经网络的设计，错误的输入参数和衍生物将PID参数模型的模糊参数可以使用一组模糊学科进行调整：模糊PID控制器模型和PID控制器模型被配置成利用Simulink和模拟，最终的结果示出较高的值PID相比PID控制这样的话模糊：血压，模糊控制，模糊PID控制，神经网络的隶属函数对照研究神经网络开始于20世纪60年代在1 960，Widrow和Hoff首次使用神经控制网络。
门此外，Kilme和McCulloch提出了KMB神经网络模型，并将其应用于“Apollo”计划。目前为止，神经网络已经涵盖了许多控制理论问题，如系统建模与识别，预测控制，最优控制，自适应控制，模糊控制，专家控制，等，甚至与控制有关的其他问题。AD转换和Lyapunov方程的分辨率。BP神经网络和模糊控制的结构BP神经网络的网络结构是一个直接的多层结构，其不仅包含节点和输出层节点的输入层，而且还一个或节点的多个层蒙面层。BP神经元网络中，同一层的神经元彼此不连接，并且相邻层的神经元通过权重连接。信息输入BP神经网络时，信息首先从输入层节点传输到第一层的隐藏层节点。通过特征函数（人工神经元）之后，它们被传输到下一个隐藏层，从而逐层传输该层。续，直到最后一次传递到输出的输出层。层的激发要求可以忽略不计，通常使用S型函数。基本的BP神经网络是一个由三层组成的预测网络：输入层，隐藏层和输出层，其结构如图1所示[1]。1神经血压网结构基本图模糊控制是智能控制的重要分支。
主要模仿人体控制实验，不依赖于受控对象的数学模型。如，如果模糊控制和PID控制被组合以形成一个模糊自适应PID控制器使得它们的控制对象的数学模型的独立的PID参数，并且可以动态地调整PID参数，以达到其优化[2]，从而解决通过控制神经网络BP的温度遇到的问题。个模糊PID控制器在一个神经网络BP，温度测量，内部变化和致动器的温度控制系统的设计可以等同于下面的传递函数：得到了（S ）= 27（S 1）（S 3）3，使用模糊控制根据系统的返回的时间来实现的参数的动态调整，以选择适当的PID参数（参见图原则2）。2的PID控制器结构图模糊模糊控制器参数范围和隶属函数图2示出了PID控制器的Kp，积分增益Ki以及模糊控制器的差动增益kd输出，错误的比例增益系统。e和误差变化率Δe用作模糊控制器输入。此，系统的模糊控制器具有2个输入和3个输出。
入变量和隶属函数的基于实际情况字段，E .DELTA.E错误的字段和变化的误差率被选择为{负，负，负，零，正，正，正}与表示为{NB，NM，NS，ZO，PS，PM，PB}，在图3所示的隶属函数的符号被使用。图3和.DELTA.E海滩输出隶属函数和输出隶属函数的模糊控制器的输出是比例增益的Kp，积分增益Ki以及微分增益kd，为方便起见，可以归一化到0K’p参数和Kd在~1之间，Ki可表示为Ki =K2p/（αKd）。此模糊控制器的直接输出变量是α，K’p和K域α为{S，MS，M，B}和其隶属函数是具有单个隶属函数如图4所示，图4示出了α，K’p和K’d的隶属函数的隶属函数，如图4所示。
5.注意的隶属函数没有在模糊控制器的设计，但如何选择的隶属函数任意地确定在文献中有清楚的描述[3]。糊规则根据实践经验，在这篇文章中所描述的工业对象的控制可归纳为一系列的推理语言规则，如：E = NB和if Δe= NB，则α= S，K’p= B和K。“Sifd = E = NB和.DELTA.E = NM则α= S，和= BK’pK’d= S上面的规则在一个表的形式表示，即也就是说，给出了一个模糊控制规则表，如表1至表3。ķ隶p和K’d表1模糊表3α规则模糊实施和模拟调整的调整规则K’p表2模糊调整规则K”的5个图5隶属函数上面的模糊控制器直接在Simulink图形工具平台上建模和模拟。主要步骤[4，5]如下：（1）建立相应的模糊推理系统输入命令窗口第一模糊然后按回车键以显示SIF编辑器的接口。加输入和输出变量并使用Mamdani推理方法将它们命名为e，ec，K’p，K’d，α。后编辑输入和输出变量的隶属函数，然后进入规则编辑器，将表1中的规则添加到表3.最后，保存模糊推理系统并命名它FIS1。还必须选择“保存到工作区”项，以便在建模期间调用此文件。（2）建模仿真在Simulink PID控制器参数被改变由于非线性和在控制系统中的控制对象的复杂性，如等式（1）和（2） ：Kp∈[0，32KU，0，6KU]（1）的Kd [苦土0.08，0.15苦土]（2）其中KU = 4，TU = 2.9;选择一组PID：的Kp = 2.19，K d = 0.258，K = 1.03，相应的PID控制器的传递函数d（S）= K P（1 1 / KIS的Kds）和可以得到传统PID控制器的仿真模型。了进行比较，用于确定所述模糊控制器仿真模型在图6中所示的MATLAB函数根据等式在实际PID参数归一化的参数变换（3），（4）和（5）。6为方便起见，应说明PID和PID模糊控制模型图。统的PID控制器和模糊PID控制器组合成一个控制模型，Simulink库的Switch模块用于切换。的Kp =（Kpmaxp-Kpmin）k’pKpmin （3）=Kd（Kdmax-Kdmin）k’d Kdmin（4）Ki=K2p/（αKd（5 ）上述模型的仿真和比较所述模拟PID与模糊PID控制的模拟结果的结果，如图7所示，可以看出，该系统执行一个模糊PID控制，即响应处理是稳定的，多余的被减少，响应时间快，性能良好。本图7上的模拟结果参考著作[1]许哩衲。
经网络控制[ M]。京电子工业出版社，2003。2]张国良，曾静，柯西丁等模糊控制和Matlab的应用[M]。安。
安交通大学出版社，2002。 3]齐岳丽 – 模糊控制的原理与应用[M]北京：航空航天大学压力机北京，1995。4]李国勇 – 智能控制和实现MATLAB [M Beijing.Electronic工业出版社，2005。
5]曹之国，连小嘉。于Matlab的两种模糊控制系统仿真方法[J]。算机模拟，2004，21（3）：41-43。
[6]李建辉，吴俊丽，秀敏Qu等人，研究基于遗传算法[J.]现代电子技术，2005年，28（15）自适应神经网络控制器：100-101，112简要简要介绍作者，出生于洛阳张为俊1971年，在河南省，讲师，硕士研究生，教授职业技术高中航空西安电气工程系。要从事电气理论和自动控制的教学和研究。汪夯迂男，1981年生，助理讲师，讲授职业技术高中航空西安电气工程系，临沂的区（西安）。要研究方向是信息技术和智能控制。
意：请阅读PDF格式的原始文本，了解本文中涉及的图形，注释，公式等。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com