原文服务方: 航空计算技术       
摘要:
提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法.该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节.由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制.
推荐文章
基于小波神经网络的系统辨识方法
系统辨识
小波神经网络
函数逼近
基于小波神经网络的定子电阻参数辨识的研究
直接转矩控制
非线性
小波神经网络
递推正交最小二乘法
PID神经网络辨识能力的初步研究
神经网络
PID
系统辨识
非线性动态系统
基于免疫小波神经网络PID的水轮机调速控制研究
免疫小波神经网络
PID控制器
水轮机
调速
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波神经网络辨识的PID神经MRAC研究
来源期刊 航空计算技术 学科
关键词 小波神经网络 PID神经网络 BP神经网络 模型参考自适应控制
年,卷(期) 2004,(1) 所属期刊栏目 计算方法
研究方向 页码范围 17-20
页数 4页 分类号 TP18
字数 语种 中文
DOI 10.3969/j.issn.1671-654X.2004.01.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 端木京顺 空军工程大学工程学院 74 623 13.0 21.0
2 黄冬民 空军工程大学工程学院 3 19 2.0 3.0
3 吴天鹏 空军工程大学工程学院 1 4 1.0 1.0
4 袁根冬 空军工程大学工程学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (12)
参考文献  (2)
节点文献
引证文献  (4)
同被引文献  (4)
二级引证文献  (13)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(3)
  • 引证文献(2)
  • 二级引证文献(1)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(3)
  • 引证文献(0)
  • 二级引证文献(3)
2010(1)
  • 引证文献(0)
  • 二级引证文献(1)
2011(5)
  • 引证文献(0)
  • 二级引证文献(5)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
小波神经网络
PID神经网络
BP神经网络
模型参考自适应控制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
航空计算技术
双月刊
1671-654X
61-1276/TP
大16开
西安市太白北路156号
1971-01-01
中文
出版文献量(篇)
3986
总下载数(次)
0
总被引数(次)
18592
论文1v1指导