[发明专利]一种基于遗传神经网络的无刷直流电机PID调速方法

权利要求书

1.一种基于遗传神经网络的无刷直流电机PID调速方法，包括BP神经网络、PID控制器和无刷直流电机，所述PID控制器的输入端与BP神经网络的输出端相连接，PID控制器的输出端与无刷直流电机相连接；其特征在于：利用遗传算法优化BP神经网络的权值和阈值；所述BP神经网络的层数为三层，包括输入层、隐含层和输出层；其中输入层的节点数为2，隐含层的节点数为6，输出层的节点数为3；所述隐含层的阈值为，输出层的阈值为，输入层到隐含层的权值为，隐含层到输出层的权值为,其中{ 0≤≤ 2, 0≤≤ 6, 0≤≤ 3；,, ∈}；

其中，所述通过遗传算法优化BP神经网络的权值和阈值具体过程如下：

a、初始化遗传算法，建立遗传算法空间与问题空间的映射，将BP神经网络的各层节点之间的权值和各层的阈值映射成二进制排列的基因串，随机产生N个基因串的初始种群；

b、设置遗传算法的适应度函数：

，

其中，是BP神经网络输入输出的样本对，和分别是第a个样本的第b个输出节点的期望输出与实际输出；

c、将适应度函数的幂标定法和选择操作法结合，得出期望生存模型；

具体地，所述基因串的适应度函数为，种群的规模为，则期望生存模型为：

，

其中， 当=1，根据期望生存模型获得基因串的初始种群中每个个体在其子代中期望生存数目，

生存数目：

在≧2时，则对基因串直接排序选择，若是＜2时，则增加值使得后代的基因串总量不小于父代，再进行排序选择；

d、将期望生存模型进行交叉变异操作，得到交叉操作的概率P1和变异操作的概率P2，不断的重复上述的交叉变异操作，直到目标能量函数趋于稳定，此时停止进化，把此时的搜索空间作为BP神经网络优化的搜索空间，对适度值进行权值和阈值的解码，获取最优的的区间，然后定位出一个初始搜索空间，将这个初步定位的空间作为神经网络权值和阈值的搜索空间，利用大样本训练BP神经网络，然后使用测试样本检测BP神经网络训练的误差，从而逐渐的去调整权值和阈值的局部在该搜索空间中解出最优解，使得误差趋近0.001，最后将最优解时的权值和阈值作为BP神经网络的搜索权值和阈值；

再通过样本数据学习PID控制器的三个控制参数，最后利用BP神经网络进行PID控制器的输出调控，用于控制无刷直流电机的驱控系统的占空比，实现无刷直流电机的速度调节。