典型文献
基于GSA-BP神经网络PID的智能车速度控制仿真研究
文献摘要:
自动驾驶中智能车速度控制作为一种典型的非平稳、非线性和不确定过程,采用传统PID控制算法时存在参数整定困难、不能在线调整和环境自适应能力差的缺点.针对该问题,提出一种基于遗传模拟退火算法(Genetic Simulated Annealing,GSA)优化的BP神经网络PID控制方法.利用BP神经网络的自学习能力自适应调整PID系统的控制参数,同时针对BP-PID容易陷入极小值的问题,利用GSA算法对BP-PID系统的初始参数进行优化选取,确保BP-PID网络能够获取全局最优解,提升收敛速度.利用MATLAB构建动态仿真实验对所提GSA-BP-PID控制方法的性能进行验证,结果表明所提方法具备控制精度高和系统稳定性强等优点.
文献关键词:
智能车;速度控制;神经网络-PID;遗传算法;模拟退火
中图分类号:
作者姓名:
龚凡;龚永康
作者机构:
广东技术师范大学天河学院 广东广州5105402;广东技术师范大学 广东广州510665
文献出处:
引用格式:
[1]龚凡;龚永康-.基于GSA-BP神经网络PID的智能车速度控制仿真研究)[J].计算机应用与软件,2022(09):121-127
A类:
B类:
GSA,PID,智能车,车速,速度控制,控制仿真,仿真研究,自动驾驶,非平稳,控制算法,参数整定,在线调整,环境自适应,自适应能力,遗传模拟退火算法,Genetic,Simulated,Annealing,自学习,自适应调整,控制参数,时针,极小值,全局最优解,收敛速度,动态仿真,控制精度,系统稳定性
AB值:
0.375729
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。