针对标准粒子群算法寻优精度不高、易出现早熟收敛等缺陷, 提出一种自适应混沌移民变异粒子群算法IPSO。该算法通过引入基因距离来反映粒子间合作与竞争的隐性知识, 使粒子种群的多样性得到量化, 采取自适应混沌移民变异策略对陷入聚集区域的粒子进行处理, 使之获得继续搜索的能力, 从而防止算法过早陷入局部最优。仿真结果表明, IPSO算法在PID控制器参数寻优问题上具有遗传算法和标准粒子群算法无法比拟的优势。
2022-05-29 15:35:31
1.34MB
1
先对倒立摆模型进行建模、确定被控对象的状态空间方程。然后用bp神经网络对该二阶离散系统进行参数自整定。确定用bp神经网络获得的比例、积分、微分参数。
2022-05-27 12:05:06
38KB
1
针对温度控制系统的非线性、时变性等特点,设计了一种复合模糊PID智能温度控制器,采用PID参数自适应控制与模糊控制相结合的方法,改善温度控制效果。以P87LPC764为控制芯片设计了系统的硬件电路,给出了系统的模糊控制器设计方案以及PID自整定算法,并对系统进行了仿真分析。仿真结果表明系统的控制效果优于常规PID控制器,满足温度控制系统实时性和精度高的要求。
2022-05-19 20:36:02
598KB
1
针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题，提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中，PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定，模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整，仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案，仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。
2022-01-09 21:36:39
1.04MB
1
针对常规PID控制器和模糊PID控制器存在控制精度差、不能自适应、模糊规则难以确定等问题，本文提出一种基于RBF模糊神经网络的PID自整定控制算法，RBF模糊神经网络参数先采用遗传算法粗调，达到预定精度后，继续使用BP算法提高精度。通过在MATLAB中进行神经网络训练和PID仿真实验，表明了改进RBF模糊神经网络PID控制器具有收敛速度快、能够自适应、控制精度高等优点，具有一定的可行性。
2021-12-30 23:14:08
1.62MB
1
一种基于模糊规则参数自整定PID 控制器的设计方法, 即以模糊控制来自适应调节比例、积分、微分的作用。并通过
MATLAB/SIMULINK 仿真, 仿真结果表明该传统PID 控制器相比较, 具有自适控制器与应性强、调节时间短和鲁棒性好的优点。
关键词:模糊规则; 自整定; PID
2021-10-28 14:44:40
605KB
1