典型文献
基于改进PSO?BP神经网络的PID参数优化方法
文献摘要：
针对传统PID控制器在面对实际对象时在线整定困难的问题,提出采用BP神经网络与PID控制器相结合,并采用粒子群算法对其网络权值矩阵进行优化,但在用粒子群算法优化BP神经网络PID控制器的参数时存在收敛速度不够快,易陷入局部最优解等问题.提出通过改进粒子群算法中惯性权重由常用的线性递减改为随机权重,然后将其最优粒子用于优化BP神经网络PID控制器的网络初始权值矩阵以得到更优的参数.最后通过仿真实验得到其相较于标准粒子群算法有更好的适应度函数曲线,并且其超调量为10.4％,调节时间为0.31 s,均小于同一传递函数下的BP神经网络PID和用标准粒子群算法优化的BP神经网络PID.结果表明该方法相较于BP神经网络PID和用标准粒子群算法优化的BP神经网络PID更具有优越性.
文献关键词：
PID参数优化;改进PSO-BP神经网络;改进粒子群算法;BP神经网络;惯性权重;随机权重;超调量;调节时间
中图分类号：
作者姓名：
朱馨渝;马平
作者机构：
中国科学院光电技术研究所,四川 成都 610209;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]朱馨渝;马平-.基于改进PSO?BP神经网络的PID参数优化方法)[J].现代电子技术,2022(21):127-130
A类：
B类：
PSO,PID,在线整定,权值,算法优化,收敛速度,局部最优解,改进粒子群算法,惯性权重,线性递减,随机权重,最优粒子,标准粒子群算法,适应度函数,超调量,调节时间,一传,传递函数
AB值：
0.190119
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。
