期刊文献+

基于混合粒子群算法的多变量解耦控制器优化 被引量:6

Optimization of Multivariable Decoupling Controller Based on Hybrid PSO
下载PDF
导出
摘要 研究薄膜厚度系统控制器优化问题,由于神经网络初始权值难以确定,使PID神经网络对控制器参数的自适应、自学习能力变差,最终导致控制效果不理想。为了解决这一问题,提出一种混合的粒子群算法,用来优化神经网络初始权值,进而实现控制器的优化,并应用于薄膜厚度控制系统。仿真结果表明:与PID神经网络控制器相比,优化后的控制器更好的实现了多变量控制系统的解耦控制,提高了控制器参数的自适应自学习能力,控制效果明显,并且系统的鲁棒性较好。 The paper proposed a hybrid particle swarm optimization (pso) algorithm,which was used to optimize neural network initial weights and achieve the optimization of controller.The algorithm was applied to film thickness control system.The simulation results show that compared with PID neural network controller,the optimized controller can realize the decoupling control of multivariable control system better and improve the adaptive self learning ability of the controller parameters.The control effect is obvious,and the system robustness is better.
出处 《计算机仿真》 CSCD 北大核心 2013年第8期319-322,共4页 Computer Simulation
关键词 薄膜厚度系统 初始权值 混合粒子群算法 比例-积分-微分神经网络控制器 Film thickness system Initial weights Hybrid particle swarm optimization PID neural network controller
  • 相关文献

参考文献10

二级参考文献79

共引文献200

同被引文献64

引证文献6

二级引证文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部