买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东交通大学

摘要：本发明属于自动控制领域，提出了一种基于模糊神经网络PID算法的双缸控制方法及系统，通过设计一种基于模糊神经网络的双缸同步控制模块，对两个交叉耦合设置的液压缸的位移偏差参数进行误差调整，进一步的减小了双缸同步输出的偏差，极大地提高了同步控制精度，还设计了一种基于BP神经网络算法的单缸输出控制模块，对每个单独的液压缸进行输出调整，使得对应的液压缸迅速恢复稳态输出状态，进一步的提高了输出调整的响应速度和恢复稳态速度，极大地提高了单缸控制的效率和稳定性，解决了无法满足精准模拟不同工况下轨道不平顺引起的振动与冲击的要求的问题，本发明极大地提高了跨座式单轨列车试验台的模拟精度和稳定性。

主权项：1.一种基于模糊神经网络PID算法的双缸控制方法，其特征在于，包括：获取两个液压缸的位移偏差参数并进行偏差判断；若判定所述位移偏差参数大于预设偏差阈值，则根据模糊神经网络算法对所述位移偏差参数进行双缸误差调节，以获取误差调节参数；所述模糊神经网络具体包括：模糊神经网络包括输入层、模糊化层、模糊推理层和输出层，所述输入层设有对应位移偏差参数的两个神经元节点，所述模糊化层设有对应隶属度值十四个神经元节点，所述模糊推理层设有对应模糊规则的四十九个神经元节点，所述输出层设有对应参数变化量的三个神经元节点；所述模糊神经网络算法具体包括：模糊神经网络输入层获取位移偏差参数中的位移偏差和位移偏差率，所述输入层定义如下： 其中，I表示网络层的输入，O表示网络层的输出，表示输入层的输入值，所述输入值包括所述位移偏差参数中的位移偏差和位移偏差率，i表示输入节点，i=1,2，·表示网络层；模糊神经网络模糊化层对位移偏差和位移偏差率进行模糊化处理，所述模糊化层定义如下： 其中，j表示计算节点输出值的模糊集标识，表示计算隶属度函数的指数函数，表示隶属度函数的中心，表示隶属度函数的宽度；模糊神经网络模糊推理层进行模糊规则匹配，所述模糊推理层定义如下： 其中，l=1,2,3,...,49，表示模糊规则适用度；模糊神经网络输出层进行模糊量求解，所述输出层定义如下： 其中，h=1,2,3，表示网络输出量，表示模糊化层与输出层之间的连接权值；以获取误差调节参数，所述误差调节参数的定义如下： 其中，表示比例增益参数，表示积分增益参数，表示微分增益参数；所述获取误差调节参数的步骤之后还包括：进行模糊神经网络权值优化，所述权值优化的误差代价函数如下： 其中，E表示误差值，表示给定输出值，表示实际输出值，k表示时间步长；以进行模糊化层的参数调整，所述参数调整定义如下： 其中，表示隶属度函数中心值，表示控制更新速度的学习率；根据BP神经网络算法对每个液压缸的预期输出参数、实际输出参数和所述误差调节参数进行单缸输出调节，以获取单缸输出第一控制参数，并根据所述单缸输出第一控制参数调节对应液压缸的输出；所述BP神经网络具体包括：BP神经网络包括输入层、隐含层和输出层，所述输入层设有三个神经元节点，所述隐含层设有五个神经元节点，所述输出层设有三个神经元节点，所述输入层定义如下： 其中，O表示网络层的输出，·表示网络层，j表示离散时间点，x表示不同时间点的信号值，k表示时间步长；所述隐含层定义如下： 其中，net表示对输入信号加权处理，i表示神经元编号，表示隐含层激发函数，表示隐含层的加权系数；所述输出层定义如下： 其中，表示输出层激发函数，表示输出层加权系数；以获取BP神经网络的最终输出量，所述最终输出量包括单缸输出第一控制参数和单缸输出第二控制参数，所述最终输出量定义如下： 其中，表示调节液压缸PID控制器的参数比例，表示调节液压缸PID控制器的参数积分，表示调节液压缸PID控制器的参数微分；所述以获取单缸输出第一控制参数的步骤之后还包括：根据性能指标函数对BP神经网络的权系数进行调整优化，所述性能指标函数如下： 其中，J表示损失函数，表示输入信号，表示输出信号，z表示预测信号；所述调整优化的公式如下： 其中，表示权系数调整速率，表示平滑因子；获取BP神经网络隐含层和输出层的权系数调整优化函数，以进行BP神经网络隐含层和输出层的调整优化，所述隐含层的调整优化函数如下： 其中，表示神经元的误差项；所述输出层的调整优化函数如下： 其中，表示第步时的误差，u表示净输入，表示激活函数的导数。

全文数据：

权利要求：

百度查询： 华东交通大学 一种基于模糊神经网络PID算法的双缸控制方法及系统