今天帮师兄做Proe的仿真,用的Custom Load仿真,使用单神经元算法控制双层台的精确定位,发现了一些现象,小结一下吧。
首先,仿真跟采样时间有很大的关系,如果采样时间过大,那么相当于控制过慢,人家机械按你之前的控制量都动了半天了,才计算下一个控制量,必然导致控制跟不上运动;而如果采样时间过小,一点小的波动你也去控制,容易引起控制的震荡。所以一个算法的有效性是和采样时间的设置有密切关系的,这点在之前的纯算法仿真上还真没注意到,因为纯算法仿真时,只是设定要用的采样时间就不管了,它的影响不会引起注意。如下面的图,好的采样时间下,效果很好;采样时间如果过大,则如第二张图,控制不及时,在开始时震荡剧烈,也就是人家已经按你第一步算的走了半天,已经偏离很大了,你才去控制,引起初期的震荡;如果采样时间过小,如第三张图,微小的振动或者允许的小偏差,你都要控制一下,引起震荡停不下来,稍不注意就跑飞了。
其次,关于单神经元算法,他实际上是单神经元在不断调整PID的3个系数,使它达到最好的PID控制系数,这也是与简单PID最大的区别,简单PID当你设置好3个系数后,就不动了,控制不好也没办法,只有通过不断尝试,找到最好的系数,然后一开始就用它。而神经网络是不断调整PID的系数,使它不断趋近于最好的控制系数,如果初始设置的PID系数离理想的系数相差很远,就要设置大的学习速率,知道找到稳定的PID系数后,以此PID系数作为开始时的初始系数,然后就可以调小学习速率了,这样相当于可以达到对外界小干扰的抑制,即允许PID系数在小范围内波动以适应外界的干扰。对于那个K,它是整体控制逼近理想PID系数的阀门,起整体调节作用。
举个例子来说吧,上图的三个系数是比较理想的系数,如果开始时不知道,设成了如下,就要将D的学习速率也调大,以尽快达到理想的D值,控制结果如下图
这个图和最上面的图可以看到,开始时由于PID系数不是理想系数,所以有个调节过程,从而使稳定时间变长了,如果以稳定后的PID的值作为开始值,那就得到最上面最好的效果了。#p#分页标题#e#
相关文章
- 2021-08-30从零开始AutoCAD 2014中文版机械制图基础培训教程 [李
- 2021-08-30从零开始AutoCAD 2014中文版建筑制图基础培训教程 [朱
- 2021-07-11从零开始:AutoCAD中文版建筑制图典型实例 [王海英,詹翔
- 2021-05-26从零开始:AutoCAD 2012中文版建筑设计基础培训教程PDF
- 2021-05-26从零开始·AutoCAD 2009中文版建筑制图基础培训教程PD
- 2021-05-26从零开始AutoCAD 2010中文版建筑制图基础培训教程PDF
- 2021-05-26从零开始AutoCAD 2015中文版机械制图基础培训教程PDF
- 2021-05-26从零开始AutoCAD 2015中文版建筑制图基础培训教程PDF
- 2021-03-14AutoCAD 2014中文版机械设计从零开始_赵罘,龚堰珏,赵楠
- 2020-12-19AutoCAD 、SolidWorks实体仿真建模与应用解析 [芮勇勤