基于GA与CSA-RBF神经网络辨识的自适应PID控制器
作者机构：安徽理工大学电气与信息工程学院淮南232001
出 版 物：《系统仿真学报》 (Journal of System Simulation)
年 卷 期：2008年第20卷第17期
页 码：4618-4621页
摘 要：提出了一种基于遗传算法(GA)、克隆选择算法(CSA)和神经网络的自适应PID控制器的设计方法。该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。
主 题 词：遗传算法 克隆选择算法 神经网络 自适应 PID
学科分类：08[工学] 0835[0835] 0802[工学-机械学] 080201[080201]
核心收录：
D O I：10.16182/j.cnki.joss.2008.17.060
馆 藏 号：203773289...
