[发明专利]LQR优化型无刷直流电机调速神经网络PID控制器

权利要求书

1.LQR优化型无刷直流电机调速神经网络PID控制器，其特征在于：所设计的LQR优化型神经网络PID控制器(LNPID)利用BP神经网络对控制器的K_P,K_I,K_D增益增益进行调节；

采用LQR优化BP神经网络的最优输出，使输出数据更接近目标PID增益；最后将控制器的控制输出值输入到无刷直流电机中，达到电机的转速控制；

所述的LQR优化型无刷直流电机调速神经网络PID控制器，其特征在于：包括如下步骤：

S1:建立三层BP神经网络，其中输入层为3个神经元，隐层为6个神经元，输出层为3个神经元，随机生成各层间加权系数的初值W_ij(0)、W_jk(0)，选取学习率η，并令k＝1；

S2:计算BP神经网络输出层的输出O_kout，计算基于LQR优化的BPNN控制误差E(k)，计算此时LQR优化的BP神经网络输出O_k，即为控制器的3个可调参数K_P，K_I，K_D；

S3:修正基于LQR优化的BP神经网络输出层和隐含层的加权系数W_ij(k)、W_jk(k)；再令k＝k+1重新计算，直到BP神经网络输出层输出误差满足要求为止；

S4:将最终控制输出输入到无刷直流电机系统中实现速度控制；

所述步骤S1:建立三层BP神经网络，还包括:

采样得到输入转速r(k)和输出转速y(k)，计算速度误差e(k)＝r(k)-y(k)，根据速度误差e(k)，对e(k),e(k)-e(k-1),e(k)-2e(k-1)+e(k-2)进行归一化处理，作为BPNN的输入x₁,x₂,x₃；

所述步骤S2中的BP神经网络输出层的输出O_kout按下式计算得到:

O_kout＝f₂(Σ⁶_i＝1W_jk×f₁(Σ³_i＝1W_ij×x_i-θ_j)-θ_k)

其中，x_i为网络的实际输入，W_ij，W_jk，θ_j，θ_k分别为第一层权值、第二层权值、第j隐含层神经元的偏置、第k输出层神经元的偏置，f₁(x)、f₂(x)是隐藏层和输出层的激活函数；

此时LQR优化的BP神经网络输出O_k，即为控制器的3个可调参数K_P,K_I,K_D；

O_k(k)＝－Mx_i(k)+KE(k)+O_kout(k)＝－Mx_i(k)+KE(k)+g(x_i(k))

其中，M和K分别为(m×n)和(m×l)维的反馈增益和前馈增益矩阵，g(x_i(k))＝g(x₁,x₂,x₃)为BPNN的输入与输出非线性映射函数；

所述步骤S3中修正基于LQR优化的BP神经网络输出层和隐含层的加权系数W_ij(k)、W_jk(k)，具体包括：

定义基于LQR优化的BP神经网络的性能指标J_k，连接权值W_ij(k)和W_jk(k)采用最速下降法调整：

其中η为学习率；再令k＝k+1重新计算以上步骤，直到BP神经网络输出层输出误差满足要求为止。