基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.
推荐文章
基于BP神经网络的模型参考自适应控制
模型参考自适应
神经网络控制
自适应律
基于神经网络的模型参考自适应照度控制系统
神经网络
模型参考
自适应控制
高压钠灯
照度控制
基于神经网络的模型参考自适应伺服控制系统
速度伺服系统
模型参考自适应系统
神经网络
非线性负载
基于神经网络的模型参考自适应控制方法
控制理论
神经网络
模型参考自适应控制
BP算法
误差函数
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 基于粒子群优化的BP神经网络模型参考自适应控制系统
来源期刊 成都理工大学学报(自然科学版) 学科 数学
关键词 模型参考自适应控制系统 粒子群优化算法 BP神经网络 参考模型
年,卷(期) 2007,(6) 所属期刊栏目 应用数学
研究方向 页码范围 639-642
页数 4页 分类号 O231.2
字数 3450字 语种 中文
DOI 10.3969/j.issn.1671-9727.2007.06.010
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 陈聆 成都理工大学信息管理学院数学地质四川省重点实验室 26 186 9.0 12.0
2 闫海波 8 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (202)
参考文献  (6)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (33)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(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)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(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)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(2)
  • 引证文献(0)
  • 二级引证文献(2)
2010(2)
  • 引证文献(0)
  • 二级引证文献(2)
2011(8)
  • 引证文献(2)
  • 二级引证文献(6)
2012(5)
  • 引证文献(0)
  • 二级引证文献(5)
2013(6)
  • 引证文献(0)
  • 二级引证文献(6)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
模型参考自适应控制系统
粒子群优化算法
BP神经网络
参考模型
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
成都理工大学学报(自然科学版)
双月刊
1671-9727
51-1634/N
大16开
成都市二仙桥东三路1号
62-24
1960
chi
出版文献量(篇)
2541
总下载数(次)
5
总被引数(次)
34042
相关基金
四川省自然科学基金
英文译名:
官方网址:
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导