BP神经网络的 参数自学习控制

资 源 简 介

基于BP神经网络的 参数自学习控制（1）确定BP网络的结构，即确定输入层节点数M和隐含层节点数Q，并给出各层加权系数的初值 和 ，选定学习速率 和惯性系数 ，此时k=1；（2）采样得到rin(k)和yout(k)，计算该时刻误差error(k)=rin(k)-yout(k)；（3）计算神经网络NN各层神经元的输入、输出，NN输出层的输出即为PID控制器的三个可调参数 ， ， ；（4）根据(3.34)计算PID控制器的输出u(k)；（5）进行神经网络学习，在线调整加权系数 和 ，实现PID控制参数的自适应调

详 情 说 明

基于BP神经网络的 参数自学习控制（1）首先确定BP网络的结构，包括输入层节点数M和隐含层节点数Q，并给出各层加权系数的初值 和 。同时，选择适当的学习速率 和惯性系数 。此时k=1；（2）通过采样得到rin(k)和yout(k)，然后计算该时刻的误差error(k)=rin(k)-yout(k)；（3）接下来计算神经网络NN各层神经元的输入和输出，NN输出层的输出即为PID控制器的三个可调参数 ， ， ；（4）根据公式(3.34)计算PID控制器的输出u(k)；（5）进行神经网络学习，通过在线调整加权系数 和 ，实现PID控制参数的自适应调整；（6）最后将k的值增加1，返回到步骤（1）。