【技术实现步骤摘要】
一种基于RBF神经网络PID的自平衡车的控制方法
[0001]本专利技术涉及自平衡小车智能控制
,具体为一种基于RBF神经网络PID的自平衡车的控制方法。
技术介绍
[0002]两轮自平衡车本质上是一种倒立摆机器人。它简单的机械结构使得它能够在狭小的空间内工作,也能够作为代步工具缓解交通压力,具有很好的应用前景。因为两轮自平衡车静态不稳定的特点,所以两轮自平衡车又被视作检验控制的经典平台。
[0003]目前PID控制是自平衡车控制的主要手段,PID控制具有控制算法简单的优点且控制效果较好。但是PID控制的参数一般需要手动进行调节,很难找到当前状态下理想的参数。
技术实现思路
[0004]本专利技术提供一种基于RBF神经网络PID的自平衡车的控制方法,解决了目前PID控制的参数需要手动进行调节,很难调节到理想的参数的问题。
[0005]为实现上述目的,本专利技术提供如下技术方案:一种基于RBF神经网络PID的自平衡车的控制方法,包括以下步骤:
[0006]S1、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;
[0007]S2、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;
[0008]S3、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);
[0009]S4、对PID控制器采用增量式PID,并根据RBF神经网络计算出PID控制器的三个参数,并对自平衡车进行控制;
[0010]S5 ...
【技术保护点】
【技术特征摘要】
1.一种基于RBF神经网络PID的自平衡车的控制方法,其特征在于,包括以下步骤:S1、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;S2、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;S3、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);S4、对PID控制器采用增量式PID,并根据RBF神经网络计算出PID控制器的三个参数,并对自平衡车进行控制;S5、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;S6、进行下次采样控制,且k=k+1,返回到S1继续。2.根据权利要求1所述的一种基于RBF神经网络PID的自平衡车的控制方法,其特征在于:PID控制器的三个参数包括k
p
、k
i
和k
d
。3.根据权利要求2所述的一种基于RBF神经网络PID的自平衡车的控制方法,其特征在于:通过所述RBF神经网络计算出的PID控制器具体步骤包括:1)首先,PID控制器采用增量式PID,控制误差e(k)=r(k)
‑
y(k),则PID控制器三项输入为:x
c
(1)=e(k)
‑
e(k
‑
1)x
c
(2)=e(k)x
c
(3)=e(k)
‑
2e(k
‑
1)+e(k
‑
2)2)控制算法为:u(k)=u(k
‑
1)+Δu(k)Δu(k)=k
p
(e(k)
‑
e(k
‑
1))+k
i
e(k)+k
d
(e(k)
‑
2e(k
‑
1)+e(k
‑
2));3)神经网络的整定指标为:4.根据权利要求3所述的一种基于RBF神经网络PID的自平衡车的控制方法,其特征在于:采用下降梯度法对PID三个参数k
p
,k
i
,k
d
进行调整:进行调整:进行调整:从而得到PID三个参数:k
p
(k)=k
p
(k
‑
1)+Δk
p
k
i
(k)=k
i
(k
‑
1)+Δk
i
k
d
(k)=k
d
(k
‑
1)+Δk
d
其中,为被控对象的Jacobian信息,通过神经网络的辨识而得。
5.根据权利要求4所述的一种基于RBF神经网络PID的自平衡车的控制方法,其特...
【专利技术属性】
技术研发人员:曹登阳,芮舒扬,孙嵩松,龚小林,台永鹏,张子璇,
申请(专利权)人:南京林业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。