基于GA与CSA-RBF神经网络辨识的自适应PID控制器

• 作者: 田一鸣 高志安 黄友锐 黄宜庆
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 遗传算法 克隆选择算法 神经网络 自适应 PID
• 年，卷（期）: 2008,（17）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 4618-4621
• 页数: 4页
• 分类号: TP273
• 字数: 3127字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田一鸣	安徽理工大学电气与信息工程学院	8	36	3.0	5.0
2	黄友锐	安徽理工大学电气与信息工程学院	195	991	16.0	21.0
3	黄宜庆	安徽理工大学电气与信息工程学院	8	72	5.0	8.0
4	高志安	安徽理工大学电气与信息工程学院	4	25	2.0	4.0