基于BP神经网络的速度前馈PID控制器设计

被引：27

作者：

盛贤君 ^{[1
]}

姜涛 ^{[1
]}

王杰 ^{[1
]}

刘宁 ^{[2
]}

机构：

[1] 大连理工大学电气工程学院

[2] 大连理工大学创新实验学院

来源：

计算机应用 | 2015年 / 35(S2)卷 / S2期

关键词：

BP神经网络; 速度前馈; PID控制器; 遗传算法; 自适应控制;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP273 [自动控制、自动控制系统];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

针对工业控制中常出现的模型未知且具有时变特性的复杂被控系统,为满足对被控系统快速响应的控制要求,提出一种经过遗传优化预处理的基于BP神经网络的速度前馈PID控制器。通过将PID控制器与速度前馈控制器相结合,利用遗传算法对控制器参数进行一次离线优化预处理,再通过BP神经网络实现控制器参数在优化预处理基础上的二次在线自适应整定,以达到实时最优控制的目的。在MATLAB下进行仿真验证,结果表明:与常规PID控制器相比,阶跃输入下的系统响应时间减少22%,正弦输入下的系统跟随误差减少12%,控制器参数能实时自适应调节。

引用

页码：134 / 137

页数：4

共 8 条

[1]

逆变器侧电流反馈的LCL并网逆变器电网电压前馈控制策略 [J].

吴云亚 ;

谢少军 ;

阚加荣 ;

过亮 .

中国电机工程学报, 2013, 33 (06) :54-60+9

[2]

时变时滞非线性系统的自适应神经网络控制 [J].

张天平 ;

朱秋琴 .

控制与决策, 2011, 26 (02) :263-270

[3]

模糊前馈与模糊PID结合的风力发电机组变桨距控制 [J].

郭鹏 .

中国电机工程学报, 2010, 30 (08) :123-128

[4]

Study on RBF Neural Network PID Control for Hydro-Viscous Drive System.[J].Hai Xing Liu;Qing Liu;Xiao Ri Sun;Lin Tong Wang;Yun Chen Zhang;Kai Qi Ye;Hui Juan Yue.Applied Mechanics and Materials.2014, 470

[5]

GA-Optimized Feedforward-PID Tracking Control for a Rugged Electrohydraulic System Design.[J].B.K. Sarkar;P. Mandal;R. Saha;S. Mookherjee;D. Sanyal.ISA Transactions.2013,

[6]

Hybrid GA–BF based intelligent PID controller tuning for AVR system.[J].Dong Hwa Kim.Applied Soft Computing Journal.2010, 1

[7]

PID controller design of nonlinear systems using an improved particle swarm optimization approach [J].

Chang, Wei-Der ;

Shih, Shun-Peng .

COMMUNICATIONS IN NONLINEAR SCIENCE AND NUMERICAL SIMULATION, 2010, 15 (11) :3632-3639

[8]

神经网络控制与MATLAB仿真.[M].张泽旭.哈尔滨工业大学出版社.2011, 978-7-5603-3151-5

← 1 →