公开(公告)号：CN116224767A

公开(公告)日：2023-06-06

申请号：CN202310002415.1

申请日：2023-01-03

Applicant: 南京林业大学

Inventor： 曹登阳 ,  芮舒扬 ,  孙嵩松 ,  龚小林 ,  台永鹏 ,  张子璇

IPC: G05B11/42

Abstract: 本发明公开了一种基于RBF神经网络PID的自平衡车的控制方法，包括确定RBF神经网络的结构中的输入层节点数和隐含层节点数；初始化，给出各层权值的初始值、学习速率η、动量因子α和PID初始参数；对输入信号r(k)以及输出信号y(k)进行采样，并计算此时刻的控制误差e(k)；对PID控制器采用增量式PID，并根据RBF神经网络计算出神经网络PID控制器的三个参数，并对自平衡车进行控制；计算RBF神经网络的输出，得到辨识信息，根据梯度下降法对相应的权值进行调整；进行下次采样控制，且k＝k+1，返回到S1继续。本发明将RBF神经网络具有的学习模式引入到PID控制器中，使被干扰的影响达到最小化。

公开(公告)号：CN116047888A

公开(公告)日：2023-05-02

申请号：CN202310002402.4

申请日：2023-01-03

Applicant: 南京林业大学

Inventor： 芮舒扬 ,  曹登阳 ,  孙嵩松 ,  龚小林 ,  台永鹏 ,  张子璇

IPC: G05B11/42 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明公开了一种基于BP神经网络PID的自平衡车的控制方法，包括确定BP神经网络的结构中的输入层节点及数目和隐含层数目,并给出各层权系数的初值和选定学习率、惯性系数；设k＝1，采样得到r(k)、y(k)，计算该时刻误差e(k)；计算BP神经网络各层神经元的输入、输出，输出层的输出为PID控制器的三个可调参数；计算PID控制器的输出u(k)；进行BP神经网络学习，在线调整权值系数，实现PID控制参数的调整；置k＝k+1，返回到S1继续。本发明通过BP神经网络PID取得了较传统PID更好的控制效果。