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:
将预测控制和PID控制器结合运用于再热汽温系统的控制当中.采用神经网络多步预测作为预测模型,并用蚁群算法实现了该控制系统的PID参数在线优化;最后通过计算机仿真,验证了该算法的有效性.
推荐文章
非线性系统的蚁群优化预测PID控制
预测控制
PID控制
蚁群算法
神经网络
再热汽温
基于蚁群算法的PID控制器参数优化研究
蚁群算法
PID控制器
参数优化
基于蚁群算法的PID参数优化设计
蚁群算法
PID控制
适应度函数
遗传算法
基于蚁群算法的PID控制参数优化
蚁群算法
PID
信息素
遗传算法
ZN法
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 基于蚁群算法的再热汽温预测PID控制器参数优化
来源期刊 江苏电机工程 学科 工学
关键词 预测控制 PID 蚁群算法 神经网络 再热汽温
年,卷(期) 2008,(4) 所属期刊栏目 发电技术
研究方向 页码范围 78-81
页数 4页 分类号 TK323
字数 4390字 语种 中文
DOI 10.3969/j.issn.1009-0665.2008.04.025
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 明学星 10 58 4.0 7.0
2 王建国 125 3016 27.0 52.0
3 吕震中 96 1595 22.0 36.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (18)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(3)
  • 参考文献(0)
  • 二级参考文献(3)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
预测控制
PID
蚁群算法
神经网络
再热汽温
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
电力工程技术
双月刊
1009-0665
32-1866/TM
16开
江苏省南京市江宁区帕威尔路1号
1982
chi
出版文献量(篇)
3196
总下载数(次)
7
总被引数(次)
15815
论文1v1指导