期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于CPSO-BP-PID的神经网络控制方法研究 被引量：2

The study of neural networks control method based on CPSO-BP-PID
下载PDF
导出
摘要 针对传统PID控制方法的参数不易整定、调节时间偏长的缺点,将CPSO算法用到BP-PID的参数整定过程中,从而设计了一种稳定、高效的自适应控制器(CPSO-BP-PID)。由于CPSO算法的粒子速度更新来自于粒子的自身最优值、每个子群的最优值以及本子群的最优值,使其充分发挥了PSO的社会分享机制,全局搜索能力更强,从而保证了由其整定的BP神经网络更加适合PID控制参数的优化过程。通过比较实验中建立的PSO-BP-PID、BP-PID以及CPSO-BP-PID三种控制器的控制性能,实验结果表明CPSO-BP-PID控制器可以实现对被控系统的有效控制,并可较大程度地提高其控制过程的稳定性、精确性与鲁棒性。
作者 杨玉东
机构地区 江苏省淮阴工学院电子与电气工程学院
出处 《制造业自动化》 北大核心 2014年第6期50-53,共4页 Manufacturing Automation
基金 国家高技术研究计划(863计划)(2007AA06Z111) 江苏省科技型企业创新基金(BC2010140) 江苏省普通高校研究生科研创新计划项目(CXLX12_0277) 江苏省教育厅自然基金项目(12KJD510003)
关键词 BP神经网络 参数整定 合作粒子群算法 PID MATLAB仿真
分类号 TP273 [自动化与计算机技术—检测技术与自动化装置]
  • 相关文献

参考文献9

  • 1舒怀林.基于PID神经网络的非线性时变系统辨识[J].自动化学报,2002,28(3):474-476. 被引量：23
  • 2张学燕,高培金,刘勇.BP神经网络PID控制器在工业控制系统中的研究与仿真[J].自动化技术与应用,2010,29(5):9-12. 被引量：28
  • 3朴海国,王志新,张华强.基于合作粒子群算法的PID神经网络非线性控制系统[J].控制理论与应用,2009,26(12):1317-1324. 被引量：34
  • 4KENNEDY J,EBERHART R C.Particle swarmoptimization[C]//Proceedings of IEEE InternationalConference on Neural Networks.New York: IEEEPress,1995:1942-1948.
  • 5NIU Q,JIAO B,et al.Particle swarm optimization combinedwith genetic operators for job shop scheduling problemwith fuzzy processing time[J].Applied Mathematics andComputation,2008,20(5): 148-158.
  • 6ARUMUGAM M S,RAO M V C,et al.A new andimproved version of particle swarm optimization algorithmwith global local best parametersfj] Journal of Knowledgeand Information Systems,2008,16(3):324-350.
  • 7RATNAWEERA A,HAKGANYGE S K,et al.Selforganizing hierarchical particle swarm optimizer with timevarying acceleration coefficients [J] .IEEE Transaction onEvolutionary Computation,2004,8(3):240-255.
  • 8ZHAO L,YANG Y P.PSO-based single multiplicativeneuron model for time series prediction[J] .Expert Systemswith Applications,2009,36(2):2805-2812.
  • 9LiangJ J,Qin A K,Suganthan P N,et al.Comprehensivelearning particle swarm optimizer for global optimizationof multimodal functions[J].IEEE Trans on EvolutionaryComputation,2006,10(3):281-295,.

二级参考文献20

  • 1温良,付兴武.神经网络PID在温度控制系统中的研究与仿真[J].微计算机信息,2004,20(7):3-4. 被引量：17
  • 2舒怀林.PID神经元和PID神经网络分析.1998中国控制会议论文集[M].长沙:国防大学出版社,1998.607-613.
  • 3FARDADI M, SELK GHAFARI A, HANNANI S K. PID neural network control of SUT building energy management system[C]//Proceedings of the 2005 IEEE/ASME International Conference on Advanced Intelligent Mechatronics. New York: IEEE Press, 2005:682 - 686.
  • 4SHU H L, SHU H. Simulation study of PID neural network temperature control system in plastic injecting-moulding machine[C]//Proceedings of the 6th International Conference on Machine Learning and Cybernetics. New York: IEEE Press, 2007:492 - 497.
  • 5KENNEDY J, EBERHART R C. Particle swarm optimization[C] //Proceedings of lEEE International Conference on Neural Networks. New York: IEEE Press, 1995:1942 - 1948.
  • 6LI M, YANG C W. A modified PSO learning algorithm for PID neural network[C] //Proceedings of the 25th Chinese Control Conference. Beijing: Beijing University of Areonautics and Astronautics Press, 2006:1123 - 1125.
  • 7CHEN J Y, ZHENG Q. Particle swarm optimization with Local Search[C]//Proceedings of International Conference on Neural Networks and Brain. New York: IEEE Press, 2005:481 - 484.
  • 8SHI Y, KENNEDY R C. A modified particle swarm optimizer[C] //Proceedings of the IEEE Congress on Evolutionary Computation. New York: IEEE Press, 1998: 69- 73.
  • 9ZHAO L, YANG Y E PSO-based single mulfiplicative neuron model for time series prediction[J]. Expert Systems with Applications, 2009, 36(2): 2805 - 2812.
  • 10ZOU J, FU X. A particle swarm optimization approach of PID parameters in hydraulic servo control systemiC]//Proceeding of the 6th Worm Congress on Intelligent Control and Automation. New York: IEEE Press, 2006:7725 - 7729.

共引文献79

同被引文献14

引证文献2

二级引证文献8

制造业自动化
2014年 第6期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部