今天幫師兄做Proe的仿真，用的Custom Load仿真，使用單神經(jīng)元算法控制雙層臺的精確定位，發(fā)現(xiàn)了一些現(xiàn)象，小結(jié)一下吧。

首先，仿真跟采樣時間有很大的關(guān)系，如果采樣時間過大，那么相當(dāng)于控制過慢，人家機械按你之前的控制量都動了半天了，才計算下一個控制量，必然導(dǎo)致控制跟不上運動；而如果采樣時間過小，一點小的波動你也去控制，容易引起控制的震蕩。所以一個算法的有效性是和采樣時間的設(shè)置有密切關(guān)系的，這點在之前的純算法仿真上還真沒注意到，因為純算法仿真時，只是設(shè)定要用的采樣時間就不管了，它的影響不會引起注意。如下面的圖，好的采樣時間下，效果很好；采樣時間如果過大，則如第二張圖，控制不及時，在開始時震蕩劇烈，也就是人家已經(jīng)按你第一步算的走了半天，已經(jīng)偏離很大了，你才去控制，引起初期的震蕩；如果采樣時間過小，如第三張圖，微小的振動或者允許的小偏差，你都要控制一下，引起震蕩停不下來，稍不注意就跑飛了。

其次，關(guān)于單神經(jīng)元算法，他實際上是單神經(jīng)元在不斷調(diào)整PID的3個系數(shù)，使它達(dá)到最好的PID控制系數(shù)，這也是與簡單PID最大的區(qū)別，簡單PID當(dāng)你設(shè)置好3個系數(shù)后，就不動了，控制不好也沒辦法，只有通過不斷嘗試，找到最好的系數(shù)，然后一開始就用它。而神經(jīng)網(wǎng)絡(luò)是不斷調(diào)整PID的系數(shù)，使它不斷趨近于最好的控制系數(shù)，如果初始設(shè)置的PID系數(shù)離理想的系數(shù)相差很遠(yuǎn)，就要設(shè)置大的學(xué)習(xí)速率，知道找到穩(wěn)定的PID系數(shù)后，以此PID系數(shù)作為開始時的初始系數(shù)，然后就可以調(diào)小學(xué)習(xí)速率了，這樣相當(dāng)于可以達(dá)到對外界小干擾的抑制，即允許PID系數(shù)在小范圍內(nèi)波動以適應(yīng)外界的干擾。對于那個K，它是整體控制逼近理想PID系數(shù)的閥門，起整體調(diào)節(jié)作用。

舉個例子來說吧，上圖的三個系數(shù)是比較理想的系數(shù)，如果開始時不知道，設(shè)成了如下，就要將D的學(xué)習(xí)速率也調(diào)大，以盡快達(dá)到理想的D值，控制結(jié)果如下圖

這個圖和最上面的圖可以看到，開始時由于PID系數(shù)不是理想系數(shù)，所以有個調(diào)節(jié)過程，從而使穩(wěn)定時間變長了，如果以穩(wěn)定后的PID的值作為開始值，那就得到最上面最好的效果了。#p#分頁標(biāo)題#e#