人工鱼群算法优化的PID神经网络解耦控制

被引:10
作者
俞凯耀
席东民
机构
[1] 内蒙古工业大学电力学院
关键词
人工鱼群算法; 神经网络; 初始权值; 多变量; 解耦控制;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算]; TP273 [自动控制、自动控制系统];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 080201 ;
摘要
针对多变量系统解耦控制的要求和特点,传统的PID神经网络在选取初始权值难以确定,往往是随机得到,容易导致采用的BP学习算法陷入局部极值。提出了一种人工鱼群算法优化PID神经网络初始权值。通过对多变量控制对象的matlab仿真验证,把人工鱼群算法优化得到的最优初始权值带入PID神经网络,结果显示加快了PID神经网络的收敛速度,使控制量迅速地接近控制目标,保证了系统稳定性,取得了满意的控制效果。
引用
收藏
页码:350 / 353
页数:4
相关论文
共 7 条
[1]   基于改进型粒子群算法的PID神经网络控制系统 [J].
沈学利 ;
徐涛 .
计算机系统应用, 2011, 20 (10) :129-132
[2]   基于PID神经网络的主汽温系统设计与仿真 [J].
肖忠 ;
玉瑞 ;
王清 .
系统仿真学报, 2011, 23 (10) :2195-2199
[3]   球磨机混合优化前向神经网络PID解耦控制系统 [J].
程启明 ;
程尹曼 ;
汪明媚 ;
郑勇 .
电力系统及其自动化学报, 2010, 22 (02) :54-59
[4]   多变量强耦合时变系统的PID神经网络控制 [J].
舒怀林 ;
郭秀才 .
工矿自动化, 2003, (05) :16-18
[5]   基于遗传算法的PID神经网络解耦控制 [J].
王晓哲 ;
顾树生 .
控制与决策, 1999, (S1) :617-620
[6]   PID神经元网络多变量控制系统分析 [J].
舒怀林 .
自动化学报, 1999, (01) :108-114
[7]  
一种新型的智能优化方法-人工鱼群算法.[D].李晓磊.浙江大学.2003, 02