[00834180]PID神经网络在加热炉温度控制中的研究

该研究分析了PID神经网络的计算方法。PIDNN的前向算法和传统神经网络的前向算法类似，实现网络的输出；反传算法对网络各层权重值进行修改，完成学习的功能。分析了PID神经网络连接权重初值的选取原则。连接权重初值的选取是随机的，决定了系统的稳定性和收敛速度。若是有PID先验知识络可以将实际PID经验值作为SPIDNN控制系统的初始权值，在步长允许范围内不经历局部极小值点，直接收敛到最小值点，SPIDNN控制系统是全程稳定的；对于无PID先验知识的控制系统，权值初值只能取随机数，这样网络学习的起始点和收敛起始方向将是随机的，必须使网络尽快收敛，跳出局部极小值点，收敛到最小值点，因此对SPIDNN算法进行了改进。该文从SPIDNN控制系统的结构、算法入手，按使用范围分析了的稳定性，并针对无PID先验知识时的情况进行了算法改进，扩大了SPIDNN控制系统的适用范围。仿真实验表明，改进后的SPIDNN控制系统对于单变量控制系统不论有无PID先验知识，都具有良好的收敛性，系统的动静态性能优于采用神经网络整定PID参数的控制系统，对于多变量控制系统的情况有待于进一步研究。通过Matlab软件对算法进行了仿真验证，控制效果良好。