[發明專利]一種面向汽車底盤測功機的BP~RNN變速積分PID算法

在審

• 申請號: 201910361149.5
• 申請日: 2019-04-30
• 公開（公告）號: CN110187633A
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 周洲;程鑫;陳宇軒;趙祥模;張立成;郝茹茹;尚旭明;王鈺;韓睿之;王宏飛;常惠
• 申請（專利權）人: 長安大學
• 主分類號: G05B11/42
• 分類號: G05B11/42
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 王芳

1.一種面向汽車底盤測功機的BP～RNN變速積分PID算法，其特征在于，包括如下步驟：

步驟1：對汽車底盤測功機歷史時刻的運行狀態進行采樣，獲得歷史采樣數據，將所述歷史采樣數據作為訓練集；

步驟2：建立BP神經網絡模型并進行初始化，利用步驟1得到的訓練集訓練BP神經網絡模型并修正BP神經網絡各層權系數，得到優化的BP神經網絡模型；

步驟3：建立RNN網絡模型并進行初始化，利用步驟1得到的訓練集訓練RNN網絡模型并修正RNN網絡各層權系數，得到優化的RNN網絡模型；

步驟4：對汽車底盤測功機當前時刻的運行狀態進行采樣，獲得當前采樣數據，將當前采樣數據分別輸入步驟2和步驟3優化的BP神經網絡模型和RNN網絡模型，從BP神經網絡模型中輸出當前時刻的汽車底盤測功機PID控制器中比例項參數K_P和微分項參數K_D，從RNN網絡模型中輸出當前時刻的積分項參數K_I；

步驟5：根據步驟4獲得的汽車底盤測功機當前時刻的PID控制器中比例項參數K_P、微分項參數K_D和積分項參數K_I，計算控制量對汽車底盤測功機進行控制。

2.如權利要求1所述的面向汽車底盤測功機的BP～RNN變速積分PID算法，其特征在于，

步驟1中所述歷史采樣數據包括被控汽車底盤測功機的滾筒速度、加載力以及汽車底盤測功機的的實際輸出量、目標輸出量和兩者差值。

3.如權利要求1所述的面向汽車底盤測功機的BP～RNN變速積分PID算法，其特征在于，步驟2包括如下子步驟：

步驟2.1：建立包含輸入層、隱含層和輸出層的三層結構的建立BP神經網絡模型并進行初始化，所述BP神經網絡模型包含3個輸入節點，3個隱含節點和2個輸出節點；

步驟2.2：利用步驟1得到的訓練集訓練BP神經網絡模型，所述3個輸入節點分別對應汽車底盤測功機的實際輸出量、目標輸出量和兩者差值，所述2個輸出節點分別對應汽車底盤測功機的PID控制器中的比例項參數K_P和微分項參數K_D；

步驟2.3：利用網絡性能指標和梯度下降法修正BP神經網絡模型各層權系數，得到優化的BP神經網絡模型。

4.如權利要求1所述的面向汽車底盤測功機的BP～RNN變速積分PID算法，其特征在于，步驟3包括如下子步驟：

步驟3.1：建立包含輸入層、隱含層和輸出層的三層結構的建立RNN網絡模型并進行初始化，所述BP神經網絡模型包含1個輸入節點，2個隱含節點，1個輸出節點；

步驟3.2：利用步驟1得到的訓練集訓練RNN網絡模型，所述1個輸入節點別對應汽車底盤測功機的實際輸出量與目標輸出量的差值，所述1個輸出節點對應汽車底盤測功機的PID控制器中的積分項參數K_I；

步驟3.3：利用網絡性能指標和梯度下降法修正RNN網絡模型各層權系數，得到優化的RNN網絡模型。

5.如權利要求3或4所述的面向汽車底盤測功機的BP～RNN變速積分PID算法，其特征在于，選取隱藏層的激活函數為tanh函數，選取輸出層的激活函數為Sigmoid函數。

6.如權利要求1所述的面向汽車底盤測功機的BP～RNN變速積分PID算法，其特征在于，步驟5中利用式Ⅰ計算控制量：

Δu(k)＝K_PΔe(k)+K_D[Δe(k)-Δe(k-1)]+K_If[e(k)]e(k) 式Ⅰ

其中，Δu(k)表示控制量，Δe(k)表示當前時刻汽車底盤測功機的實際輸出量和目標輸出量的差值，Δe(k-1)表示歷史時刻汽車底盤測功機的實際輸出量和目標輸出量的差值,e(k)為汽車底盤測功機PWM期望輸出與實際輸出之差。