典型文献
基于CAPSO-RBF的磁悬浮系统控制研究
文献摘要：
为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化(CAPSO)的RBF神经网络监督控制器.通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进行归一动态优化.采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真.结果表明:基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升.
文献关键词：
磁悬浮系统;粒子群算法;云自适应算法;RBF神经网络;系统控制
中图分类号：
作者姓名：
贾涌槟;李丹菁
作者机构：
上海应用技术大学电气与电子工程学院,上海201418
文献出处：
引用格式：
[1]贾涌槟;李丹菁-.基于CAPSO-RBF的磁悬浮系统控制研究)[J].机床与液压,2022(22):63-68
A类：
CAPSO,云自适应算法
B类：
RBF,磁悬浮系统,系统控制,磁悬浮球系统,快速性,自适应粒子群优化,网络监督,监督控制,神经网络学习,整定,自适应粒子群算法,一动,动态优化,梯度下降法,控制仿真,混合控制,控制算法,算法实现,自适应控制,动态性能
AB值：
0.233076
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。
