论文部分内容阅读
随着智能控制思想的逐渐深入,神经网络、智能优化算法等理论和算法在控制领域中受到极大的关注和研究应用。PID神经网络(PIDNN)是一种新型的神经网络,是PID控制和神经网络的本质融合,兼具二者的优点。PID神经网络特有的结构和算法优势,使它可以作为控制器应用于各种系统中,并且设计过程十分简单。但是,PID神经网络的训练算法一直采用的是传统的反向传播算法(BP算法),BP算法存在的各种等缺点,使得PIDNN控制器在控制系统中很难得到理想的网络权值,难以取得满意的控制效果。为了充分发挥PIDNN控制器的各种优良性能并扩展其应用范围,针对PIDNN控制器网络权值的训练问题,本文提出利用人工鱼群算法进行训练优化,并对各种类型的系统进行了控制仿真研究,验证了方法的有效性。本文主要包括以下内容：(1)在深入了解人工鱼群算法的基础上,分析了算法的优缺点；并针对基本人工鱼群算法的缺点,结合其他学者的一些改进思想进行了算法的改进研究,给出了本文的改进策略,并对改进后的算法进行了仿真测试,验证了改进策略的有效性和可行性。(2)对PID神经网络的结构和控制算法进行了介绍和分析探讨,结合自己仿真过程中的研究发现,提出了PIDNN控制器的一些改进策略。针对单变量、多变量方系统和多变量非方的系统,设计了这些系统的PIDNN控制器。(3)分析了传统的BP算法训练PIDNN控制器的缺点,提出人工鱼群算法训练优化PIDNN控制器的思想,并对训练的过程和步骤进行了总结归纳。(4)在MATLAB环境下,对人工鱼群算法训练优化的PIDNN控制器,分别进行了单变量系统、多变量方系统和多变量非方系统的控制仿真。通过与人工鱼群算法优化的PID控制器和BP算法训练PIDNN控制器的比较,证明基于人工鱼群算法的PID神经网络控制器很好的解决了网络权值的训练问题,PIDNN控制器的性能得到很大改善,也扩展了PIDNN控制器的应用范围。针对各种类型系统的控制仿真也验证了本文方法的有效性。