雙神經網路 PID 調變器;A Dual-NN Based PID Tuner

NCU Institutional Repository > 資訊電機學院 > 資訊工程學系碩士在職專班 > 博碩士論文 > Item 987654321/86518

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/86518

題名:	雙神經網路 PID 調變器;A Dual-NN Based PID Tuner
作者:	王賜恩;Wang, Tzu-En
貢獻者:	資訊工程學系在職專班
關鍵詞:	控制器;工業控制;雙神經網路;最佳化演算法;PID control;Industrial control;Dual Neural network;Optimizer
日期:	2021-10-28
上傳時間:	2021-12-07 12:55:40 (UTC+8)
出版者:	國立中央大學
摘要:	比例 (Proportional) ─ 積分 (Integral) ─ 微分 (Derivative) 控制器 (PIDcontroller) 是一個被廣泛使用在工業控制的方法。然而這種控制器面臨最佳化調變的問題。現存的調變法，例如著名的齊格勒－尼科爾斯方法 (Ziegler-Nichols method)，雖然改善了人工調變的不穩定性，但是隨著控制精度需求的提高，這種方式已經不足以應付需求。對於非線性的控制系統，許多研究結合了類神經網路與 PID 控制器。由於 PID的最佳參數通常是未知的，因此許多有名的類神經網路架構並不適合用於這個問題。在本文中，我們設計一種基於雙神經網路的最佳化方法。比較起現存的最佳化法，在傳統化學工廠的實驗中，就是水壓控制與氣壓控制系統的結果顯示我們的方法可以避免局部最小值的問題。 ;Proportional–integral–derivative (PID) controller is wildly adopted in industry controller. Industrial controllers suffer from optimal tuning problem. Existing method driven approach like Ziegler-Nichols method is insufficient with the requirement of high accurate control. Due to the nonlinearities of PID tuning, many studies combine neural network with PID controller. Since the correct/best PID parameter are usually unavailable, makes many popular neural networks are not applicable. In this thesis, we design a duel neuron network based optimizer. Compared to existing optimizers in neural network, the experiment results of water pressure control and of steam relief control in a chemical factory show that our optimizer can avoid local minimum problem.
顯示於類別:	[資訊工程學系碩士在職專班 ] 博碩士論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	139	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....