[发明专利]一种基于PID调节的BP神经网络算法

权利要求书

1.一种基于PID调节的BP神经网络算法， 其特征在于，包括以下步骤：

步骤一、初始化BP神经网络：设定BP神经网络输入层点数X和隐藏层点数H，并给出隐藏层的权值W_HI和输出层权值W_HO；；

步骤二、采样得到实际温度值y(k)和设定输出rin(k)，计算误差e(k)= rin(k)- y(k)；

步骤三、计算BP神经网路各层神经元的输入值和输出值，1/(1+e-x)激活函数原始输出值范围为（0，1），根据增量式PID，得到△U(K) =K_P[e(k)-e(k-1)]+K_Ie(k)+K_D[e(k)-2e(k-1)+e(k-2)]；

步骤四、更新全局最优值：选取误差函数E(k)=(rin(k)-y(k))2，根据Momentum梯度更新算法修正BP神经网络的加权系数，更新学习率、指数加权平均数，进而计算温度的最佳适应值，其中Momentum梯度更新算法更新权值，W_HO，W_IH的公式如下：

误差函数E(k)对输出层参数W_HO的导数dW_HO：

dW_HO=dE(k)/dW_HO=(dE(k)/dy(k))*(dy(k)/dU(k))*(dU(k)/d OUT_O)*( d OUT_O/dW_HO)；

误差函数E(k)对隐藏层W_IH导数dW_IH：

dW_IH=dE(k)/ dW_IH=(dE(k)/dy(k))*(dy(k)/dU(k))*(dU(k)/d OUT_O)*（d OUT_O/ dOUT_H）*( d OUT_H/dW_IH) ；

隐藏层梯度W_HI：

dV_H(k)=βdV_H(k)+(1-β)dW_IH W_IH=W_IH-αdV_H(k) ；

输出层W_HO：

dV_o(k)= βdV_o(k)+(1-β) dW_HO W_HO= W_HO-αdV_O(k)；

步骤五、根据步骤四不断更新、学习，得到E(k) E(k)=(rin(k)-y(k))²最优解；

步骤六、重复上述步骤在线学习更新更新隐藏层和输出层权值参数，自适应输出PID参数。

2.根据权利要求1所述的基于PID调节的BP神经网络算法，其特征在于，所述激活函数原始的输出值范围为：K_P=OUT₁*30,K_I=OUT₂,K_D=OUT₃。

3.根据权利要求1所述的基于PID调节的BP神经网络算法，其特征在于，神经网络PID控制器输出的功率为U(k)=U(k-1)+ △U(K)。