基于神经网络的自适应PID控制的智能衣架

来源:用户上传      作者:

　　摘 要：在智能遮雨平台中，利用减速电机和舵机协调搭配伸展遮雨布，良好的遮雨性能是其在同类产品的竞争根本，传统的控制算法难以对复杂的天气环境及时作出良好反应。针对此问题，本文提出基于BP神经网络的算法和位置式PID算法结合，通过参数的自适应整定，对遮雨棚在极端天气下伸展进行优化，使其工作更加稳定。
　　关键词：神经网络；自适应；最优控制；PID
　　1. BP神经网络算法设计
　　基于BP神经网络的PID控制器
　　设计基于神经网络的PID控制系统时包括数字PID控制器，由学习算法在线得出 、 、 参数。在神经网络前向传递中：输入层每个单元输入一个值，如 ， ， ， ，每个初始值与权重的乘积加上偏向得到隐含的输入，在经过非线性方程计算得到隐含层输出，此时隐含层输出乘上本身的权重加上偏向后在经过非线性转换得到输出值。对于误差计算： 为目标值，即设定值，预测值即前向输出值。用目标值减去预测值乘以预测值乘以1减去预测值，即得输出层误差。之后进行权重更新，偏向更新。定义 为学习率，可设置为0-1之间的值。通過不断地学习，我们可以从输出得到 、 两个参数，从而控制电机。
　　2.仿真与实验
　　2.1 仿真测试
　　智能晾晒系统通过控制直流电机来达到控制速度的目的，其传递函数为：
　　定义学习率L为0.3，初始化权重和偏向随机在-1至1之间，或者-0.5到0.5之间，在控制系统中阶跃信号作为输入时，对系统性能及稳定性影响较为严峻。
　　输入阶跃信号时，输出的速度目标值超调量较小，且响应较快，说明该算法满足快速稳定张开系统设计要求，稳定性和适合性较强。
　　2.2 实际测试
　　本文分别测试了衣架传统控制方式下和BP神经网络控制方式进行跟踪追逐的运行结果。在测试100组数据后，结果如表1所示。
　　经过测试后，本文采用的BP神经网络自适应算法可以很好的保证衣架迅速根据不同环境做出反应，说明如下：
　　（1）本文所采用的BP神经网络自适应算法，可以在雨雪天气更快速的实现张开，而三种情况下应用同一PID参数对天气情况的适应并不理想。
　　（2）在实验中发现，仅依靠传统PID控制参数，衣架张开时会不稳定设置出现电机堵转现象，而经过训练的神经算法则有效的解决了突如其来的干扰。
　　参考文献：
　　[1] 刘冰艳，朱武，张佳民.基于BP神经网络自整定PID恒温控制系统研究[J].仪表技术与传感器，2018（08）：52-55.
　　[2] 胡宗镇，赵延立.基于改进型BP神经网络自整定的PID控制[J].电脑与信息技术，2019（01）：11-13.
　　[3] 袁建平，施一萍，蒋宇，江鹏.改进的BP神经网络PID控制器在温室环境控制中的研究[J].电子测量技术，2019，42（04）：19-24.
转载注明来源:https://www.xzbu.com/1/view-14703246.htm