[发明专利]基于神经网络的PID控制器参数整定方法在审
| 申请号： | 201910038863.0 | 申请日： | 2019-01-16 |
| 公开（公告）号： | CN109459927A | 公开（公告）日： | 2019-03-12 |
| 发明（设计）人： | 胡钦涛;段倩文;何秋农;毛耀;周国忠;周翕 | 申请（专利权）人： | 中国科学院光电技术研究所 |
| 主分类号： | G05B13/02 | 分类号： | G05B13/02;G05B13/04;G05B11/42 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610209 *** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于神经网络的PID控制器参数整定方法，旨在解决现有PID参数整定方法使用复杂，以及大量工程实践需要工程师手工整定的问题。本发明包括以下步骤：步骤1、采集训练样本；步骤2、搭建卷积神经网络学习框架；步骤3、利用神经网络对训练样本进行训练；步骤4、得到训练模型；本发明的有益技术效果在于：相对于人工整定PID参数，节约了大量时间和精力，相对于现阶段的整定软件，能够快速的根据频率响应伯德图整定出良好的PID参数。 | ||
| 搜索关键词： | 整定 神经网络 参数整定 训练样本 卷积神经网络 方法使用 工程实践 技术效果 频率响应 训练模型 伯德图 工程师 采集 节约 学习 | ||
【主权项】：
1.一种基于神经网络的PID控制器参数整定方法，其特征在于，包括以下步骤：步骤1、采集训练样本：通过对不同的传递函数手工整定出符合要求的PID控制器参数，将传递函数作为训练样本，将手工整定的PID参数作为样本标签；步骤2、搭建卷积神经网络学习框架：采用卷积神经网络，网络包括多个卷积层，池化层，最后为全连接层为3个神经元分别输出PID参数；步骤3、利用神经网络对训练样本进行训练：将传递函数画出伯德图作为卷积神经网络的输入，将PID参数作为标签，采用最小均方差损失函数，用Adam优化器优化网络；步骤4、得到训练模型：得到训练模型，将待整定传递函数的频率响应伯德图作为输入，通过模型即可得到整定的PID参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院光电技术研究所，未经中国科学院光电技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910038863.0/，转载请声明来源钻瓜专利网。
