[发明专利]基于神经网络的PID控制器参数整定方法

权利要求书

1.一种基于神经网络的PID控制器参数整定方法，其特征在于，包括以下步骤：

步骤1、采集训练样本：通过对不同的传递函数手工整定出符合要求的PID控制器参数，将传递函数作为训练样本，将手工整定的PID参数作为样本标签；

步骤2、搭建卷积神经网络学习框架：采用卷积神经网络，网络包括多个卷积层，池化层，最后为全连接层为3个神经元分别输出PID参数；

步骤3、利用神经网络对训练样本进行训练：将传递函数画出伯德图作为卷积神经网络的输入，将PID参数作为标签，采用最小均方差损失函数，用Adam优化器优化网络；

步骤4、得到训练模型：得到训练模型，将待整定传递函数的频率响应伯德图作为输入，通过模型即可得到整定的PID参数。

2.根据权利要求1所述的基于神经网络的PID控制器参数整定方法，其特征在于，步骤1的训练样本由手工采集，遍历常用的传递函数范围，手工整定出性能良好的PID参数。

3.根据权利要求1所述的基于神经网络的PID控制器参数整定方法，其特征在于，步骤2所采用的卷积神经网络包括3个带压缩操作的残差模块和两个全连接层，两个池化层，一个卷积层构成，最后一层全连接层为3个神经元分别对应输出PID参数。

4.根据权利要求1所述的基于神经网络的PID控制器参数整定方法，其特征在于，步骤3利用神经网络对训练样本进行训练需要将数据集的传递函数画成伯德图，将伯德图输入卷积网络用于训练，同时将传递函数对应的手工整定出的PID参数作为神经网络的标签进行学习。

5.根据权利要求1所述的基于神经网络的PID控制器参数整定方法，其特征在于，步骤4所得到的训练模型通过将待整定对象的伯德图作为输入，即可输出需要整定的PID参数。