[发明专利]一种基于RBF神经网络PID的速比控制方法

摘要

本发明公开了一种基于RBF神经网络PID的速比控制方法，与常规的PID速比控制系统相比，采用增量式PID控制算法，基于RBF神经网络对PID进行优化，实现了更为精确的速比跟踪控制，使汽车发动机的转速更加趋近于目标转速附近，表现出更加优于传统PID速比控制的效果，实现较为精确的CVT速比跟踪控制，使之能够适用于汽车多种行驶工况。

主权项

1.一种基于RBF神经网络PID的速比控制方法，其特征在于，包括以下步骤：将RBF神经网络整定到PID控制系统的PID控制器构建RBF‑PID速比控制系统，PID控制系统的控制误差e(k)为期望值r(k)和输出值y(k)的差值：e(k)＝r(k)‑y(k)，PID的输入为：xc(1)＝e(k)‑e(k‑1)xc(2)＝e(k)xc(3)＝e(k)‑2e(k‑1)+e(k‑2)，基于RBF‑PID速比控制系统采用增量式PID的控制算法，具体为：增量式PID的控制算法为：Δu(k)＝Kpxc(1)+KIxc(2)+KDxc(3)，其中，KP是比例系数；KI＝KPT/TI是积分系数；KD＝KDTD/T是微分系数，RBF神经网络整定指标为：由梯度下降法能够得到kp，ki，kd，调整公式有：其中，η_p，η_i，η_d为PID的比例、积分、微分的学习速率；为被控对象的Jacobian信息，其表示为：设其输入向量为X＝[x1,x2,...,xn]T,n表示输入层神经元个数，隐含层的输出为H＝[h1,h2,...,hm]T，隐含层神经元的个数用m表示，则有：式中，Cj＝[Cj1,Cj2,...,Cjn]T，由于X中包含u，设x₁＝u，则则有：根据公式计算出控制量的增量，使发动机转速时刻稳定在目标转速附近，从而实现更为精确的速比跟踪控制。