针对BP神经网络算法的收敛速度慢,权值畸形导致迭代无法进行,非线性多耦合收敛局部极小点的缺陷,本文提出了一种新型多神经元PID神经网络算法。该算法核心通过简化PID神经元网络控制器,改善其权值初始化,在权值迭代计算中运用符号函数解决上述缺陷。通过对该新型多神经元PID控制算法结果分析,该算法在反传运算过程中大为简化,算法收敛速度快,且网络权值灵活。将该算法与传统神经网络算法分别应用到全液压矫直机伺服控制,通过对比分析验证了该算法的有效性,同时为多神经元PID控制器的工程化应用提供了理论支持和技术借鉴。

针对当前普遍常用的BP神经网络算法的缺陷即反传算法复杂收敛速度慢在解决一些复杂多变非线性及系统多耦合问题时网络权值收敛局部极小点导致网络训练失败反传算法权值迭代出现畸形变化问题。虽然神经网络控制器在软件仿真中运行结果都能满足要求但是在实际的现场工程应用中很难适应复杂工业现场所要求的控制快速性和及时性。针对以上缺陷提出了一种新型的多神经元PID神经网络算法其原理是通过简化PID神经元网络控制器改善其权值初始化来达到新型多神经元PID控制器控制过程的快速性和响应的及时性将其应用到全液压矫直机四缸伺服控制器。通过将传统神经元网络控制器和文中所研究的新型多神经元PID控制器位移响应曲线对比分析该新型多神经元PID伺服控制器具有反传算法大为简化、收敛速度快、网络权值灵活性好、实时性等