典型文献
基于PSO-BP-PID神经网络的注塑机料筒温度预测算法研究
文献摘要：
提出了一种基于粒子群优化(PSO)算法、BP神经网络及比例积分微分(PID)控制的复合算法的注塑机料筒温度预测模型,即PSO-BP-PID神经网络模型,并进行了仿真研究.结果表明:使用PSO算法确定该模型的输出权重,并且对混合核函数参数进行优化升级;在模型训练过程中,使用更大的容许度处理正误差,保证预测误差始终处于正值,使预测结果科学可靠;将高斯核函数与多项式核函数结合,生成一个新型混合核函数,提高核函数极限学习机性能;PSO-BP-PID神经网络模型的预测效果整体较传统PID模型好,温度总体趋势与实际预测数据相近,具有更好的拟合度.
文献关键词：
粒子群优化算法;BP神经网络;比例积分微分控制;温度预测;注塑机
中图分类号：
作者姓名：
张少芳;李献军;王月春
作者机构：
石家庄邮电职业技术学院,河北 石家庄 050021
文献出处：
引用格式：
[1]张少芳;李献军;王月春-.基于PSO-BP-PID神经网络的注塑机料筒温度预测算法研究)[J].合成树脂及塑料,2022(01):60-64
A类：
B类：
PSO,PID,注塑机,料筒,预测算法,算法研究,复合算法,温度预测模型,仿真研究,混合核函数,函数参数,优化升级,模型训练,训练过程,容许,理正,正误,预测误差,正值,高斯核函数,多项式,高核,函数极限,极限学习机,总体趋势,预测数据,拟合度,粒子群优化算法,比例积分微分控制
AB值：
0.328436
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。
