一十
NNI
十
十
x₁(k)=e(k)x₂(k)=△e(k)=e(k)-e(k-1)x₃(k)=△²e(k)=e(k)-2e (k-1)+e(k-2)e(k)=r(k)-y(k)NNC 的输出为：△u(k)=k₁x₁(k)+k₂x₂(k)+k₃x₃(k)式中，}i=1,2,3 为权系数，△u(k) 为输入信号的加权和。由此可见，NNC 具有增量D 控制的结构
i=1,2,…,Q-1
BP网络的输入层节点的输为
网络的隐含层输入、输为
·神经网络PID控制 20
o(k)=1
(13)
(14)
式中o 为输出层权系数 阈值，
网络的输出层的输入输出为
·神经网络PID控制 21
图二 神经网络PID控制系统结构图
·神经网络PID控制 17
二、方案二
被控对象
u
个
经典PID控制算式为u(k)=u(k-1)+Kp[e(k)-e(k-1)]+K,e(k)+K,[e(k)-2e(k-1) + e(k-2)1
7.由(20)式，计算修正输出层敝系数。(k);8.由(21)式，计算修正隐含层敝系数。)(k);9.置k=k+1, 返回到“3”,直到性能指标J 满足要求。
·神经网络PID控制 26
系数a(k)是慢时变的，a(k)=1.2(1-0.8e -01k),神经网络结构为4—5—3,输入层的个神经元分别为模型翰入r(k)、 输 出(k)、误 差(k)和常量。学习速率=0.25,动量系数=0.05,加权系数初始值取随[=0.50.5]上的随机数。当输入信号为幅值是的正弦信号(t)sin(2πt)时，取采样时间为.001s,仿真结果如图所示。·神经网络PID控制 27
