买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本申请涉及基于小波神经网络的PID自整定方法、装置和设备，方法包括：获取小波神经网络并采用POLYWOG3函数激活，建立包括输入层、隐含层以及输出层的改进小波神经网络；基于迁移学习的网络权值初始化方法，对改进小波神经网络进行初始化，得到输入层与隐含层之间的初始权值以及隐含层与输出层之间的初始权值；根据改进小波神经网络以及两个初始权值，依次计算输入层的输出、隐含层的输出以及输出层的输出；根据输出层的输出，采用PID控制算法，计算PID控制的输出；当PID控制的输出满足预设标准时，以输出层的输出为PID控制器的比例系数、积分系数和微分系数，对电机进行PID自整定。采用本方法能够提高网络收敛速度、避免网络陷入局部最优。

主权项：1.基于改进小波神经网络的PID自整定方法，其特征在于，包括：获取小波神经网络并采用POLYWOG3函数激活，建立改进小波神经网络；所述改进小波神经网络包括：输入层、隐含层以及输出层；基于迁移学习的网络权值初始化方法，对所述改进小波神经网络进行初始化，得到所述输入层与所述隐含层之间的初始权值以及所述隐含层与所述输出层之间的初始权值；根据所述改进小波神经网络、所述输入层与所述隐含层之间的初始权值以及所述隐含层与所述输出层之间的初始权值，依次计算所述输入层的输出、所述隐含层的输出以及所述输出层的输出；根据所述输出层的输出，采用PID控制算法，计算PID控制的输出；当所述PID控制的输出满足预设标准时，以所述输出层的输出为PID控制器的比例系数、积分系数和微分系数，对电机进行PID自整定；基于迁移学习的网络权值初始化方法，对所述改进小波神经网络进行初始化，得到所述输入层与所述隐含层之间的初始权值以及所述隐含层与所述输出层之间的初始权值，包括：采用生成标准正态分布随机数的方法，对所述改进小波神经网络进行随机初始化，得到初始化后改进小波神经网络；对所述初始化后改进小波神经网络，进行追踪正弦信号的数值仿真，导出所述初始化后改进小波神经网络的损失函数；当所述损失函数小于0.001时，调用网络权值输出函数输出所述输入层与所述隐含层之间的初始权值以及所述隐含层与所述输出层之间的初始权值；基于迁移学习的网络权值初始化方法，对所述改进小波神经网络进行初始化，得到所述输入层与所述隐含层间的初始权值以及所述隐含层与所述输出层间的初始权值，还包括：基于改进动量梯度下降法，采用粗粒度搜索方法确定超参数所处的初始范围；根据所述初始范围，采用细粒度搜索方法确定所述超参数的最优值，以所述最优值先后对所述隐含层与所述输出层间的初始权值以及所述输入层与所述隐含层间的初始权值进行更新；根据所述改进小波神经网络、所述输入层与所述隐含层间的初始权值以及所述隐含层与所述输出层间的初始权值，依次计算所述输入层的输出、所述隐含层的输出以及所述输出层的输出包括：根据所述改进小波神经网络、所述输入层与所述隐含层间的初始权值以及所述隐含层与所述输出层间的初始权值，得到赋值后改进小波神经网络；对赋值后改进小波神经网络对应的PID控制系统的目标输入及实时输出进行采样，并计算采样时刻的误差，得到所述改进小波神经网络的网络输入；根据所述网络输入，得到所述输入层的输入；采用小波神经网络算法，根据所述输入层的输入和所述改进小波神经网络，依次计算所述输入层的输出、所述隐含层的输出以及所述输出层的输出；采用小波神经网络算法，根据所述输入层的输入和所述改进小波神经网络，依次计算所述输入层的输出、所述隐含层的输出以及所述输出层的输出包括：获取所述改进小波神经网络的隐含层节点数以及输出层节点数，并通过迁移学习得到所述输入层和所述隐含层之间的第一加权系数以及所述隐含层和所述输出层之间的第二加权系数；所述改进小波神经网络的输入层的输入即为输入层的输出；采用小波神经网络算法，根据所述输入层的输出、所述隐含层节点数和所述第一加权系数，计算所述隐含层的输入；所述隐含层的输入经过隐含层激活函数激活后的输出，即为隐含层的输出；根据所述隐含层的输出、所述输出层节点数和所述第二加权系数，计算所述输出层的输入；所述输出层的输入经过输出层激活函数激活后的输出，即为输出层的输出。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于改进小波神经网络的PID自整定方法、装置和设备