[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;?；?/a>
• 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

本發明屬于自動控制技術領域，具體涉及一種面向汽車底盤測功機的BP～RNN變速積分PID算法，包括，步驟1：對汽車底盤測功機歷史時刻的運行狀態進行采樣，獲得歷史采樣數據作為訓練集；步驟2：建立BP神經網絡模型并進行初始化，訓練BP神經網絡模型并修正BP神經網絡各層權系數；步驟3：建立RNN網絡模型并進行初始化，訓練RNN網絡模型并修正RNN網絡各層權系數；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BP神經網絡模型和RNN網絡模型，得到汽車底盤測功機PID控制器的參數；步驟5：計算控制量對汽車底盤測功機進行控制。本發明能有效解決傳統變速積分PID積分項系數判斷困難問題，處理數據量大大減少，有效避免累計誤差。

技術領域

本發明屬于自動控制技術領域，具體涉及一種面向汽車底盤測功機的 BP～RNN變速積分PID算法。

背景技術

汽車底盤測功機是測量汽車動力性、底盤輸出功率，多工況排放指標及油耗的專用機器。它利用飛輪慣性的轉動慣量來模擬汽車運行時的轉動慣量及汽車直線運動質量的慣量，采用加載裝置來模擬汽車在運行過程中所受的空氣阻力，非驅動輪的滾動阻力及爬坡阻力等，通過滾筒旋轉運動來模擬路面，對汽車運行狀況進行動態檢測。為了使汽車底盤測功機在工作狀態下滾筒的運行滿足實時需求，需要對其加載裝置使用PID算法控制。

PID算法是一種應用范圍廣泛的控制技術，它能夠通過預測需要控制的物理量的變化趨勢，將該物理量調整到目標值附件，消除各種靜態誤差?，F如今工業領域汽車底盤測功機使用的PID算法受被控制對象的數學模型影響不大，但整定算法的參數是一件復雜耗時的工作。即使參數整定完畢，由于其缺乏自適應能力，一旦環境改變就需要重新整定參數。針對此問題，現階段面向汽車底盤測功機的PID算法逐漸采用神經網絡算法。

神經網絡PID算法是把神經網絡與傳統PID控制相結合，利用神經網絡的學習能力對參數進行在線估計。綜合多方面因素對比表明，基于神經網絡的自適應PID算法具有更強的適應性和魯棒性，能解決傳統PID算法不易進行在線實時參數整定的缺陷，已成為自動控制研究的一個熱點方向。

目前工業領域中面向汽車底盤測功機的神經網絡自適應PID算法主要為：輸入不同時刻的系統運行狀態量，通過建立的神經網絡模型正向傳遞得到整體性因素，根據學習規則反向傳遞改善網絡參數，最終得出滿足要求的PID參數進行增量式PID控制應用。這種方法的特點是在線實時參數整定能力強，得到參數的準確率較高。但是當其應用于采用渦流機的汽車底盤測功機控制系統時，由于渦流機的運作具有一個加載時間，導致汽車底盤測功機的響應延遲。因此采用傳統增量式PID控制的過程中積分項會不斷累積，在啟動、結束或大幅度更改設定值時，積分項輸出可能會引起較大超調震蕩，同時造成測功機改變目標環境時產生大量靜態誤差，不適用于精確且實時的PID參數整定。

發明內容

本發明的目的在于提供一種面向汽車底盤測功機的BP～RNN變速積分 PID算法，用以解決現有技術中的PID算法存在靜態誤差導致精確性不足的問題。

為了實現上述任務，本發明采用以下技術方案，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；