【技术实现步骤摘要】
一种基于PID调节的BP神经网络算法
[0001]本专利技术具体涉及一种基于PID调节的BP神经网络算法。
技术介绍
[0002]PID控制是一种被广泛应用在生产过程中控制方法,通过偏差的比例(P)、积分(I)、微分(D)三个参数进行过程控制,PID三个参数设置对系统有很深的影响,这需要经验丰富的专业人员不断的调节系统尽可能找到使得系统接近最优工作状态的三个参数;由此产生了一种最优控制自适应PID控制系统的方法;在这种控制中要求系统能够根据被测参数,环境及原材料的成本的变化而自动调节系统,使其随时处于最佳状态。
[0003]常见的最小方差自适应PID控制、极点配置自适应PID控制和零极点对消的自适应PID控制。神经网络PID自适应算法是结合神经网络算法的自适应PID控制方法。
[0004]基于BP神经网络的PID自适应算法能够在线学习,在程序运行过程中不断优化PID三个参数,根据外界变化实时调整的神经网络控制算法,是PID控制的前沿研究方向。但是现有的神经网络算法PID自整定收敛偶然,随机收敛,收敛非常依赖初始化,需要特定的参数进行初始化。
技术实现思路
[0005]为解决上述问题,本专利技术具体涉及基于PID调节的BP神经网络算法,包括以下步骤:步骤一、初始化BP神经网络:设定BP神经网络输入层点数X和隐藏层点数H,并给出隐藏层的初始权值W
HI
和输出层初始权值W
HO;
步骤二、采样得到实际温度值y(k)和设定输出rin(k),计算误差e(k)= ...
【技术保护点】
【技术特征摘要】
1.一种基于PID调节的BP神经网络算法, 其特征在于,包括以下步骤:步骤一、初始化BP神经网络:设定BP神经网络输入层点数X和隐藏层点数H,并给出隐藏层的权值W
HI
和输出层权值W
HO;
;步骤二、采样得到实际温度值y(k)和设定输出rin(k),计算误差e(k)= rin(k)
‑ꢀ
y(k);步骤三、计算BP神经网路各层神经元的输入值和输出值,1/(1+e
‑
x)激活函数原始输出值范围为(0,1),根据增量式PID,得到
△
U(K) =K
P
[e(k)
‑
e(k
‑
1)]+K
I
e(k)+K
D
[e(k)
‑
2e(k
‑
1)+e(k
‑
2)];步骤四、更新全局最优值:选取误差函数E(k)=(rin(k)
‑
y(k))2,根据Momentum梯度更新算法修正BP神经网络的加权系数,更新学习率、指数加权平均数,进而计算温度的最佳适应值,其中Momentum梯度更新算法更新权值,W
HO
,W
IH的
公式如下:误差函数E(k)对输出层参数W
HO
的导数dW
HO
:dW
HO
=dE(k)/dW
HO
=(dE(k)/dy(k))*(dy(k)/dU(k))*(dU(k)/d OUT
O
)*( d OUT
O
/dW
HO
);误差函数E(k)对隐藏层W
IH
导数dW
IH
:dW
IH...
【专利技术属性】
技术研发人员:刘艳斌,王轻,何龙祥,葛继成,
申请(专利权)人:河南驼人医疗器械研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。