期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
基于逐位逼近Q学习的PID参数优化方法
下载PDF
职称材料
导出
摘要
本文在分析强化学习工作机制的基础上,提出了一种基于强化学习算法的PID参数自整定方法。通过与其他算法的对比以及控制系统的鲁棒性分析,证明该算法具有良好的收敛性,能很好的满足控制任务要求。
作者
曹文凯
洪杰
袁也
吴怀江
姜冲
机构地区
江苏省新能源开发股份有限公司
南京金宁汇科技有限公司
江苏省新能源开发股份有限公司研发部
出处
《电子技术与软件工程》
2022年第5期122-127,共6页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
关键词
Q-学习算法
PID控制
自整定
性能评价指标
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
引文网络
相关文献
节点文献
二级参考文献
54
参考文献
7
共引文献
233
同被引文献
0
引证文献
0
二级引证文献
0
参考文献
7
1
詹士昌,徐婕,吴俊.
蚁群算法中有关算法参数的最优选择[J]
.科技通报,2003,19(5):381-386.
被引量:157
2
王仁超,李宗蔚.
基于Q学习算法的土石方调配模型及应用[J]
.水力发电学报,2019,38(6):11-18.
被引量:6
3
余涛,王宇名,刘前进.
互联电网CPS调节指令动态最优分配Q–学习算法[J]
.中国电机工程学报,2010,30(7):62-69.
被引量:25
4
李静,刘学,赵健.
基于蚁群寻优的汽车牵引力PID控制参数整定[J]
.吉林大学学报(工学版),2008,38(4):769-772.
被引量:3
5
郭大庆,李晓,赵永进.
基于改进PSO算法的PID参数自整定[J]
.计算机工程,2007,33(18):202-204.
被引量:20
6
詹士昌,吴俊.
基于蚁群算法的PID参数优化设计[J]
.测控技术,2004,23(1):69-71.
被引量:24
7
吴振阔,张亮,张波.
PID参数整定和优化[J]
.中国高新技术企业,2010(15):16-17.
被引量:6
二级参考文献
54
1
张瑜玲,顾幸生.
基于免疫算法的火电厂机组负荷优化分配研究[J]
.系统仿真学报,2006,18(z2):235-238.
被引量:7
2
王晓梅,梁轶.
大系统理论在面板堆石坝工程土石方平衡规划中的应用[J]
.水利水电快报,2001,22(17):14-17.
被引量:14
3
段海滨,王道波,黄向华,朱家强.
基于蚁群算法的PID参数优化[J]
.武汉大学学报(工学版),2004,37(5):97-100.
被引量:51
4
唐跃中,张王俊,张健,陈明.
基于CPS的AGC控制策略研究[J]
.电网技术,2004,28(21):75-79.
被引量:61
5
许薛军,符锌砂,单成林.
道路土石方调配研究[J]
.中南公路工程,2004,29(4):62-65.
被引量:8
6
杨毅刚,彭建春,周意诚,任国梁.
水火电力系统有功无功经济调度的研究[J]
.中国电机工程学报,1994,14(4):19-25.
被引量:6
7
高宗和,滕贤亮,张小白.
互联电网CPS标准下的自动发电控制策略[J]
.电力系统自动化,2005,29(19):40-44.
被引量:74
8
陈贵敏,贾建援,韩琪.
粒子群优化算法的惯性权值递减策略研究[J]
.西安交通大学学报,2006,40(1):53-56.
被引量:309
9
彭沛夫,林亚平,张桂芳,彭理莉.
具有杂交、变异因子的自适应蚁群算法最优PID参数[J]
.计算机工程与应用,2006,42(6):88-91.
被引量:3
10
上官甦,刘小明.
公路建设工程大系统土石方调配优化[J]
.公路交通科技,2006,23(4):37-40.
被引量:11
共引文献
233
1
詹士昌,徐婕.
蚁群算法在马斯京根模型参数估计中的应用[J]
.自然灾害学报,2005,14(5):20-24.
被引量:20
2
严勇.
一种求解航线优化问题的改进蚁群-遗传算法[J]
.微电子学与计算机,2009,26(2):115-117.
被引量:1
3
孙宏,詹士昌,金柏林.
自适应进化的蚁群算法及其仿真研究[J]
.杭州师范学院学报(自然科学版),2003,2(5):31-34.
被引量:4
4
潘迁,李伟,张云群,丁毓峰.
滚动窗口与蚁群算法结合的机器人路径规划[J]
.机械制造,2012,50(9):25-28.
5
王秋平,马春林,肖玲玲,张振宇.
基于蚁群算法-BP神经网络的主蒸汽温度控制系统仿真研究[J]
.热力发电,2013,42(11):64-68.
被引量:6
6
胡纯德,祝延军,高随祥.
基于人工免疫算法和蚁群算法求解旅行商问题[J]
.计算机工程与应用,2004,40(34):60-63.
被引量:13
7
刘国光,周剑平.
改进蚁群算法设计拉式膜片弹簧[J]
.工程设计学报,2004,11(6):334-337.
被引量:4
8
詹士昌.
蚁群算法在连续性空间优化问题中的应用[J]
.杭州师范学院学报(自然科学版),2004,3(5):395-399.
被引量:2
9
邹政达,孙雅明,张智晟.
基于蚁群优化算法递归神经网络的短期负荷预测[J]
.电网技术,2005,29(3):59-63.
被引量:46
10
丁海军,陈佑健.
蚁群算法的现状与研究进展[J]
.河海大学常州分校学报,2005,19(1):5-9.
被引量:12
1
顾伟,任勇军.
基于深度Q-学习和粒子群优化的僵尸检测算法[J]
.计算机与数字工程,2021,49(9):1743-1746.
被引量:1
2
姚铭明,曹霑懋,黄启嵩,单志龙.
基于流量模式的Q-学习路由及其连接调度[J]
.华南师范大学学报(自然科学版),2021,53(4):107-114.
被引量:1
3
王瑞玲,张强.
基于模糊自整定方法的液压马达驱动工作轴速度控制的研究[J]
.机床与液压,2022,50(9):135-139.
被引量:1
4
术永昊,郭进利.
航空公司超网络的拓扑结构与鲁棒性分析[J]
.智能计算机与应用,2021,11(12):87-92.
被引量:1
电子技术与软件工程
2022年 第5期
职称评审材料打包下载
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...
;
用户登录
登录
IP登录
使用帮助
返回顶部