[发明专利]一种粒子群优化RBF神经网络的PID控制方法

权利要求书

1.一种粒子群优化RBF神经网络的PID控制方法，其特征在于，所述方法包括：

步骤A：采集聚类样本，用减聚类算法对样本进行聚类分析，确定基函数的中心个数；

步骤B：初始化粒子群优化算法，确定变异粒子群优化算法的粒子群位数M，并给出粒子群惯性权重范围[W_min，W_max]、加速系数c1和c2、位置范围[X_min，X_max]、速度范围[V_min，V_max]；

步骤C：利用粒子群的进化规则进行寻优，并实时调整粒子的速度和位置，以获取粒子的最优解；

步骤D：将粒子的最优解进行解码，以获取得到基函数的中心位置和宽度；

步骤E：计算BRF神经网络的隐含层的单元输出和输出层的单元输出；

步骤F：确定所述BRF神经网络的输入层节点数m和隐含层节点数s，并给出隐含层节点的中心矢量C_j(0)、基宽带参数的初值b_j(0)、加权系数w_j(0)、学习速率ρ、惯性系数此时计算次数k＝1；

步骤G：利用粒子群的进化规则对所述BRF神经网络的参数进行寻优，获取所述BRF神经网络的参数的最优解；

步骤H：将所述BRF神经网络的参数的最优解进行解码，并对解码后的所述BRF神经网络进行学习；

步骤I：确定BP神经网络的输入层节点数M和隐含层节点数Q，并给出各层加权系数初值W_ij(0)和W_li(0)，选定学习速率η和惯性系数a，此时计算次数k＝1；

步骤J：采样得到所述BP神经网络的输入值r(k)、输出值y(k)，计算k时刻的误差e(k)；

步骤K：计算所述BP神经网络输入值和输出值，所述BP神经网络的输出值为PID控制系统的三个可调节参数，然后计算得到u(k)，将u(k)传入被控对象以及RBF辨识网络，并产生控制对象的下一步输出y(k+1)，其中，u(k)为PID控制系统第k次运算的输出值；

步骤L：利用所述BP神经网络的迭代算法修正BP神经网络的加权系数，令计算次数k＝k+1，返回至步骤C继续运算，直至所述PID控制系统的调节参数达到最优，结束当前流程。

2.根据权利要求1所述的一种粒子群优化RBF神经网络的PID控制方法，其特征在于，所述利用粒子群的进化规则进行寻优，并实时调整粒子的速度和位置，以获取粒子的第一最优解包括：

步骤C1：对每个粒子，比较它的适应度fi与它经历最好位置的适应度，如果更好，更新Pbestid，并将该Pbestid作为该粒子当前的个体最优值并储存；

步骤C2：对每个粒子，比较它的适应度fi与它经历最好位置的适应度，如果更好，更新gbestid，并将该Pbestid作为该粒子当前的群体最优值并储存；

步骤C3：更新粒子的速度和位置；

步骤C4：判定当前粒子的个体最优值和群体最优值的速度和位置是否满足结束条件，若满足则寻优结束并进入到步骤D；否则返回执行步骤C1。

3.根据权利要求1所述的一种粒子群优化RBF神经网络的PID控制方法，其特征在于，所述利用粒子群的进化规则对所述BRF神经网络的参数进行寻优，获取所述BRF神经网络的参数的最优解包括：

步骤G1：对每个粒子，比较它的适应度gi与它经历最好位置的适应度，如果更好，更新Pbestid，并将该Pbestid作为该粒子当前的个体最优值并储存；

步骤G2：对每个粒子，比较它的适应度gi与它经历最好位置的适应度，如果更好，更新gbestid，并将该Pbestid作为该粒子当前的群体最优值并储存；

步骤G3：更新粒子的速度和位置；

步骤G4：判定当前粒子的个体最优值和群体最优值的速度和位置是否满足结束条件，若满足则寻优结束并进入到步骤H；否则返回执行步骤G1。