17、神经网络PID控制器与PEMFC堆模糊预测控制

神经网络PID控制器与PEMFC堆模糊预测控制

神经网络PID控制器

在神经网络PID控制器中，$ω_{1j}$（$j = 1,2…8$）是连接输出层唯一神经元与隐藏层第$j$个神经元的权重。输出层神经元的输出为：
$O_1^o = f(I_1^o)$ (7)
神经网络PID控制器的输出为：
$u(k) = O_1^o = f(I_1^o)$ (8)

输出层权重调整

权重学习规则为：
$\Delta ω_{1j} = -η\frac{∂J}{∂ω_{1j}}$ (9)
其中，$η$是学习速度，通常取值范围为$(0, 1)$。
$\frac{∂J}{∂ω_{1j}} = \frac{∂J}{∂O_1^o}\frac{∂O_1^o}{∂I_1^o}\frac{∂I_1^o}{∂ω_{1j}} = \frac{∂y(k + 1)}{∂u(k)}O_{hj}(y_p(k + 1) - y(k + 1))$ (10)
由于$\frac{∂y(k + 1)}{∂u(k)}$未知，用$sgn(\frac{∂y(k + 1)}{∂u(k)})$代替，学习速度$η$用于平衡计算误差。输出层权重$ω_{1j}$的调整规则为：
$ω_{1j}(k + 1) = ω_{1j}(k) + ηsgn(\frac{∂y(k + 1)}{∂u(k)})O_{hj}(y_p(k + 1) - y(k + 1))$ (11)

隐藏层权重调整

权重学习规则为：
$\Delta ω_{ij} = -η\frac{∂J}{∂ω_{ij}} = -η\frac{∂J}{∂O_{hj}}\