基于改进型RBF神经网络多变量系统的PID控制

被引：20

作者：

李绍铭

刘寅虎

机构：

[1] 安徽工业大学电气信息学院安徽省电力电子与电力传动重点实验室

来源：

重庆大学学报(自然科学版) | 2007年 / 02期

关键词：

改进型RBF神经网络; 非线性时变系统; PID控制; 最近邻聚类算法; 解耦控制;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.

引用

页码：53 / 57

页数：5

共 5 条

[1]

先进PID控制及其MATLAB仿真.[M].刘金琨著;.电子工业出版社.2003,

[2]

新型PID控制及其应用.[M].陶永华等编著;.机械工业出版社.1998,

[3] 基于BP神经网络的多变量PID解耦控制 [J].