文献类型：期刊文章

作　　者：李渊[1]

机构地区：[1]太原大学计算机工程系,山西太原030009

出　　处：《计算机仿真》

年　　份：2012

卷　　号：29

期　　号：12

起止页码：180-183

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD_E2011_2012、ZGKJHX、核心刊

摘　　要：研究PID控制器优化问题,现代工业控制过程中,由于许多被控对象受到干扰因素影响,具有高度非线性和不确定性,常规PID控制精度低,提出一种遗传算法、粒子群算法和RBF神经网络相融合的PID控制器设计方法(GA-PSO-RBF)。首先采用遗传算法选择PID控制参数初始值,然后采用粒子群算法优化RBF神经网络参数,采用优后的RBF神经网络辨识控制对象的输出对输入的变化灵敏度,最后采用单神经元对PID控制器进行在线性调整,得到理想的控制效果。仿真结果表明,GA-PSO-RBF神经网络PID控制器的超调量小,响应速度快,提高了系统的控制精度。

关 键 词：参数优化 神经网络 遗传算法 粒子群优化算法

分 类 号：TP183]