基于BP神经网络的氢原子钟PID参数设置方法及系统与流程

本发明属于机器学习领域，具体涉及了一种基于bp神经网络的氢原子钟pid参数设置方法及系统。

背景技术：

1、pid控制系统是氢原子钟的重要组成部分，调整pid控制系统的三个参数，即比例参数、积分参数和微分参数，可以控制晶振的输出频率，使其尽可能地接近晶振的标称值。在外部环境稳定的前提下，原子钟要保持一个稳定的运行状态，需要pid控制系统参数设置恰当。虽然pid控制系统参数一旦设定就不会再发生变化，但是现阶段参数的确定还是依赖人工的方法，依靠积累的经验或者建立在大量实验的基础上，需要耗费较多的人工时间成本。

2、随着神经网络算法的再次兴起，通过借鉴经典神经网络来确定pid控制系统参数是一个值得探索的方向。bp神经网络是一种通过误差反向传播算法进行误差校正的多层前馈神经网络，最核心的特点就是信号向前传播，而误差反向传播。bp神经网络在前向传播过程中，输入信号经由输入层、隐藏层逐层处理，最终传输到输出层。如果输出结果未达到期望要求，则进入反向传播过程，将误差信号原路返回，修改各层权重值。鉴于此，在研究pid控制系统参数的过程中，引入bp神经网络，将pid控制系统的比例参数、积分参数和微分参数作为bp神经网络的学习目标，在增量式pid控制系统的基础上，通过训练和学习，实现pid控制系统中的参数的最优化，从而提高原子钟运行的稳定度。

技术实现思路

1、为了解决现有技术中的上述问题，即目前氢原子钟晶振输出频率的稳定度低的问题，本发明提供了一种基于bp神经网络的氢原子钟pid参数设置方法，所述方法包括：

2、步骤s10，构建氢原子钟内pid控制系统；

3、步骤s20，将所述氢原子钟内pid控制系统离散化获得增量式pid模型；

4、步骤s30，通过bp神经网络获取增量式pid模型初始控制参数，获得基于bp神经网络的氢原子钟pid控制系统；

5、步骤s40，向所述基于bp神经网络的氢原子钟pid控制系统输入根据根据氢原子钟的晶振标称频率值设定的输入值r(t)，直至氢原子钟晶振的输出频率保持稳定，获得最优控制参数。

6、步骤s401，对所述增量式pid模型的最优控制参数进行微小变化，获得微小变化参数；

7、进一步的，所述微小变化，具体包括：

8、所述微小变化为将比例参数kd的值保持不变，更改积分参数kp的值和微分参数ki的值。

9、步骤s402，将所述增量式pid模型的最优控制参数和微小变化参数代入同一个氢原子钟仿真模型中，获得最优控制参数的天频率稳定度和微小变化参数的天频率稳定度；

10、步骤s403，对比所述最优控制参数的天频率稳定度和微小变化参数的天频率稳定度，获得指标提升值。

11、进一步的，所述方法在步骤s30之后还包括验证增量式pid模型的最优控制参数的步骤，具体包括：

12、进一步的，所述pid控制系统，具体包括：

13、

14、其中kp表示为比例参数，ki表示为积分参数，kd表示为微分参数，kp、ki和kd为调试参数；e表示设定值与回授值的差；t表示目前时间；τ表示积分变数，积分变数的数值为从起始时刻到当前时间。

15、进一步的，所述增量式pid模型，具体包括：

16、δu(k)＝kpδe(k)+kie(k)+kd(δe(k)-δe(k-1))；

17、其中，k为系统采样序号，δe表示设定值与回授值的差的变化量，增量式pid控制核心为相邻两个采样点的差值δu(k)。

18、进一步的，所述步骤s40，具体包括：

19、通过对增量式pid模型增加bp神经网络，获得基于bp神经网络的氢原子钟pid控制模型；

20、根据氢原子钟的晶振标称频率值设定输入值r(t)；

21、将输入值r(t)输入基于bp神经网络的氢原子钟pid控制模型；

22、获得增量式pid模型的最优控制参数。

23、进一步的，所述基于bp神经网络的氢原子钟pid控制模型，其学习过程包括：

24、输入r(t)至基于bp神经网络的氢原子钟pid控制模型，直到比例参数kp，积分参数ki和微分参数kd不再变化，此时所述比例参数kp，积分参数ki和微分参数kd为增量式pid模型的最优控制参数。

25、进一步的，所述氢原子钟的晶振标称频率值为10mhz。

26、本发明的第二方面，提出了一种基于bp神经网络的氢原子钟pid参数设置系统，所述系统包括pid控制模块、离散化模块和最优控制参数获得模块；

27、pid控制模块，用于构建氢原子钟内pid控制系统；

28、离散化模块，用于将所述氢原子钟内pid控制系统离散化变化获得增量式pid模型；

29、最优控制参数获得模块，用于通过bp神经网络获取增量式pid模型的最优控制参数。

30、进一步的，所述系统还包括验证增量式pid模型的最优控制参数的模块，具体包括：

31、微小变化参数获得模块，用于对所述增量式pid模型的最优控制参数进行微小变化，获得微小变化参数；

32、稳定度计算模块，用于将所述增量式pid模型的最优控制参数和微小变化参数代入同一个氢原子钟仿真模型中，获得最优控制参数的天频率稳定度和微小变化参数的天频率稳定度；

33、指标提升值获取模块，用于对比所述最优控制参数的天频率稳定度和微小变化参数的天频率稳定度，获得指标提升值。

34、本发明的有益效果：

35、(1)本发明在研究pid控制系统参数的过程中，引入bp神经网络，实现pid控制系统中的参数的最优化，从而提高原子钟运行的稳定度；

36、(2)本发明与以经验确定参数数值的方法相比，提高的氢原子钟晶振输出频率的稳定度。

技术特征：

1.一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述方法在步骤s30之后还包括验证增量式pid模型的最优控制参数的步骤，具体包括：

3.根据权利要求1所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述微小变化，具体包括：

4.根据权利要求1所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述pid控制系统，具体包括：

5.根据权利要求4所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述增量式pid模型，具体包括：

6.根据权利要求1所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述步骤s40，具体包括：

7.根据权利要求6所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述基于bp神经网络的氢原子钟pid控制模型，其学习过程包括：

8.根据权利要求7所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述氢原子钟的晶振标称频率值为10mhz。

9.一种基于bp神经网络的氢原子钟pid参数设置系统，基于上述权利要求1－6任一项所述的一种基于bp神经网络的氢原子钟pid参数设置方法，其特征在于，所述系统包括：

10.根据权利要求9所述的一种基于bp神经网络的氢原子钟pid参数设置系统，其特征在于，所述系统还包括验证增量式pid模型的最优控制参数的模块，具体包括：

技术总结本发明属于机器学习领域，具体涉及一种基于BP神经网络的氢原子钟PID参数设置方法，旨在解决目前氢原子钟晶振输出频率的稳定度低的问题。本发明包括：构建氢原子钟内PID控制系统；将所述氢原子钟内PID控制系统离散化变化获得增量式PID模型；通过BP神经网络获取增量式PID模型的最优控制参数，验证增量式PID模型的最优控制参数通过对增量式PID模型增加BP神经网络，获得基于BP神经网络的氢原子钟PID控制模型；根据氢原子钟的晶振标称频率值设定输入值；将输入值输入基于BP神经网络的氢原子钟PID控制模型；获得增量式PID模型的最优控制参数。技术研发人员：李昂,周铁中,薛潇博,易航,陈德好受保护的技术使用者：北京无线电计量测试研究所技术研发日：技术公布日：2024/7/9