基于BP神经网络PID控制参数自适应优化

摘要

本研究针对传统的反向传播（BP）神经网络比例积分微分（PID）算法存在的波动振荡、容易发散的问题，提出改进方法．首先采用He初始化方法对神经网络进行初始化，并对学习率进行衰减，同时对算法梯度进行裁剪．然后，在此基础上继续对比研究不同激活函数（Sigmoid、Tanh、ReLU和Leaky ReLU）和不同平滑技术（指数平滑、移动平均、Savitzky-Golay滤波器和Butterworth滤波器）对算法性能的影响．最后，采用极端激励对平滑器的鲁棒性进行测试．结果表明：相较于传统的Sigmoid激活函数，使用ReLU、Leaky ReLU和Tanh激活函数具有更强的稳定性，并且Leaky ReLU激活函数综合性能最好；在平滑效果方面，指数平滑和Savitzky-Golay滤波器具有更明显的优势，更适合于需要快速响应和精确平滑的应用领域；平滑技术可以使算法更快恢复稳定，提高算法稳定性．

关键词

改进的BP神经网络 / 平滑技术 / 激活函数 / 参数优化