[发明专利]液压执行器的小波神经网络PID在线控制方法及系统

权利要求书

1.一种液压执行器的小波神经网络PID在线控制方法，包括：确定燃气轮机液压执行器机械结构情况，计算液压执行器各部件参数；确定小波神经网络结构并设置初始参数；利用小波神经网络优化PID控制器参数；利用优化后的PID控制器参数对液压执行器进行控制。

2.根据权利要求1所述的一种液压执行器的小波神经网络PID在线控制方法，其特征在于，所述液压执行器包括液压缸及伺服阀。

3.根据权利要求2所述的一种液压执行器的小波神经网络PID在线控制方法，其特征在于，所述小波神经网络结构包括输入层、隐含层及输出层，所述隐含层输出计算公式为：

T_j＝λ[(w_ajX_in-k_j)+(w_ajX_out-k_j)+(w_ajX_ess-k_j)]

式中，T_j为隐含层第j层的输出值，单位为m³/s；X_in，X_out，X_ess为控制器的初始输入，单位为m³/s；w_aj为隐含层第j层的权值；k_j为隐含层第j层的平移因子；λ为网络伸缩系数；

所述输出层输出计算公式为：

Y_i＝μ(w_biT_in+w_biT_out+w_biT_ess)

式中，Y_i为输出层第i层的输出值，单位为m³/s；w_bi为输出层第i层的权值；T_in，T_out，T_ess为隐含层的输出，m³/s；μ为经验参数，可由网络层数对应得到；所述输出层的最终输出为Y_P、Y_I、Y_D。

4.根据权利要求1所述的一种液压执行器的小波神经网络PID在线控制方法，其特征在于，所述利用小波神经网络优化PID控制器参数具体为对PID控制器的比例系数、积分系数、微分系数进行网络自学习训练。

5.根据权利要求4所述的一种液压执行器的小波神经网络PID在线控制方法，其特征在于，所述小波神经网络的学习速率为0.01-0.1。

6.根据权利要求3所述的一种液压执行器的小波神经网络PID在线控制方法，其特征在于，所述输出层的输出Y_P、Y_I、Y_D分别对应PID控制器参数的比例系数、积分系数和微分系数，所述PID控制方程为：

U_k＝k_pe(k)+bk_ie(k)+ck_de²(k)

式中，U_k为控制器输出，m³/s；k_p为比例系数；k_i为积分系数；k_d为微分系数；中间变量e(k)为流量误差值，m³/s；b，c为选择常数，可在[0,1]中选择。

7.根据权利要求1所述的一种液压执行器的小波神经网络PID在线控制方法，其特征在于，所述隐含层函数为小波基函数，在信号前向传递的同时将误差反向传播。

8.根据权利要求1所述的一种液压执行器的小波神经网络PID在线控制方法，其特征在于，利用小波神经网络对PID控制器参数进行优化时采用梯度修正法不断修正小波神经网络参数。