针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题，提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中，PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定，模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整，仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案，仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。
2022-01-09 21:36:39
1.04MB
1
针对常规PID控制器和模糊PID控制器存在控制精度差、不能自适应、模糊规则难以确定等问题，本文提出一种基于RBF模糊神经网络的PID自整定控制算法，RBF模糊神经网络参数先采用遗传算法粗调，达到预定精度后，继续使用BP算法提高精度。通过在MATLAB中进行神经网络训练和PID仿真实验，表明了改进RBF模糊神经网络PID控制器具有收敛速度快、能够自适应、控制精度高等优点，具有一定的可行性。
2021-12-30 23:14:08
1.62MB
1
本文件对PID参数kp,ki,kd进行寻优，以ITAE作为指标函数。 PSO 文件中有详细的参数设置和寻优过程 GA寻优与PSO寻优作为对比出现 figure1展示了随着迭代次数的变化，适应度函数的收敛情况 figure2展示了kp,ki,kd的迭代情况 ht 文件是用来画图的 问题解决思路.pdf 简要介绍了粒子群算法寻优的过程
2021-12-30 19:00:24
250KB