预测控制非线性时变系统PID控制 RBF neural networkprediction controlnon-linear time-varying systemPID control针对非线性多变量大时滞系统,研究了一种基于神经网络的智能控制策略.该文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真.仿真结果表明,控制器能根据系统的运行状态获得对应于某种最优控制律...
基于RBFNN的PID控制及其在电液位置伺服系统中的应用 维普资讯 http://www.cqvip.com
摘要 提出了在采用最近邻聚类算法在线构造RBF(NN1)正向辨识器,并在线辨识被控对象的Jacobian阵的基础上,引入RBF(NN2)对PID控制器参数进行在线调整的算法.该算法可以实现PID控制参数的自动在线整定和优化.通过与BP网络调... ...
Jau-WoeiPerng, Guan-Yan Chen, Ya-Wen Hsu, `FOPID controller optimization based on SIWPSO-RBFNN algorithm for fractional-order time delay systems', 10... YW Perng - 《Soft Computing A Fusion of Foundations Methodologies & Applications》 被引量: 0发表: 2017年 FOPID controller optimization bas...
非线性时变系统PID控制针对非线性多变量大时滞系统,研究了一种基于神经网络的智能控制策略.该文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真.仿真结果表明,控制器能根据系统的运行状态获得对应于某种最优控制律下的PID参数,解耦后的系统具有较好的动态和静态性能.该方法具有控制精度高,响应速度快的...
本文提出了一种基于径向基函数神经网络(RBFNN)整定的PID控制策略,并将其应用于柔性倒立摆的跟踪控制.该方法通过神经网络辨识获取柔性摆的Jacobian信息,采用梯度下降法自适应调整PID的控制参数.仿真结果表明,与传统的PID控制效果相比,该控制方法响应速度快,超调量小,较好地解决了PID控制方法中参数整定困难的问题,实现了...
非线性时变系统PID控制针对非线性多变量大时滞系统,研究了一种基于神经网络的智能控制策略.该文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真.仿真结果表明,控制器能根据系统的运行状态获得对应于某种最优控制律下的PID参数,解耦后的系统具有较好的动态和静态性能.该方法具有控制精度高,响应速度快的...
PID控制U模型非线性控制阐述对非线性系统建模设计是十分关键的.建立一个通用的且控制精度高的非线性系统模型,可以为实际生产过程提供理论基础.传统的PID控制算法的数学模型已经得到了广泛的使用,但是也暴露出诸如稳定性差,精度不够高等许多局限性.基于当前困难,提出了利用径向基神经网络改进传统的PID控制算法,实现更高...
PID控制针对非线性多变量大时滞系统,研究了一种基于神经网络的智能控制策略。该文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。仿真结果表明,控制器能根据系统的运行状态获得对应于某种最优控制律下的PID参数,解耦后的系统具有较好的动态和静态性能。该方法具有控制精度高、响应速度快的优点,并具有...
本发明公开了一种改进的基于RBFNN及BAS的PID最优化控制算法,首先,针对参数不明确的实时控制系统,设计RBFNN模型,进行在线系统参数辨识,其次,根据实时系统的控制要求,设计基于局部误差的RBFPID模型,对PID参数进行粗整定,得出适合本系统的PID参数范围,然后在此基础上设计基于ITAE优化指标的BASPID模型,使用BASPID模型对PID...