典型文献
基于粒子群算法优化BP神经网络的PID控制算法
文献摘要：
传统比例-积分-微分(Proportion Integral Derivative,PID)控制器存在参数整定困难,不能在线实时调整以及面对复杂非线性系统时应用效果不佳等问题,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)优化的反向传播(Back Propagation,BP)神经网络PID控制方法.将BP神经网络与PID控制器相结合,利用BP神经网络的自适应学习能力在线实时调整PID控制参数,提升系统稳定性,针对BP-PID自学习过程中容易陷入局部极小值问题,利用改进的PSO算法对其进行优化,确保BP-PID系统收敛于全局最优解.基于仿真数据开展实验,结果表明,所提方法能够有效提升系统的控制精度和控制稳定度.
文献关键词：
比例-积分-微分控制器;神经网络;模型优化;粒子群算法
中图分类号：
作者姓名：
曾雄飞
作者机构：
中山市基信锁芯有限公司,广东中山528400
文献出处：
引用格式：
[1]曾雄飞-.基于粒子群算法优化BP神经网络的PID控制算法)[J].电子设计工程,2022(11):69-73,78
A类：
B类：
粒子群算法,算法优化,PID,控制算法,Proportion,Integral,Derivative,参数整定,复杂非线性系统,Particle,Swarm,Optimization,PSO,反向传播,Back,Propagation,自适应学习,控制参数,提升系统稳定性,自学习,学习过程,局部极小值,统收,全局最优解,仿真数据,控制精度,稳定度,模型优化
AB值：
0.394172
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。
