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:
针对微粒群优化算法存在的早熟问题,提出了一种基于T-S模型的模糊自适应PSO算法(T-SPSO算法).算法依据种群当前最优性能指标和惯性权重值所制定T-S规则,动态自适应惯性权重取值,改善了PSO算法的收敛性.将该算法应用于PID控制器的参数整定,可得到更优的控制器参数.仿真结果验证了所提出算法的有效性和所设计控制器的优越性.
推荐文章
扩展T-S模糊模型的PSO神经网络优化算法
模糊模型
离子群优化算法
BP神经网络
优化
采用改进PSO的非线性系统T-S模糊模型辩识
T-S模糊模型
自适应模糊聚类
粒子群优化
系统辨识
基于T-S模糊模型的直接自适应预测控制
非线性系统
T-S模糊模型
预测控制
自适应控制
基于T-S模型的局部通风机风量模糊预测控制算法
局部通风机
T-S模糊模型
聚类实验
预测控制
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 利用T-S模糊自适应PSO算法优化PID参数
来源期刊 计算机工程与应用 学科 工学
关键词 微粒群优化算法 PID控制 参数优化 基于T-S模型的模糊自适应PSO算法 早熟
年,卷(期) 2009,(3) 所属期刊栏目 工程与应用
研究方向 页码范围 245-248
页数 4页 分类号 TP273.2
字数 4296字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.03.074
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 李群湛 西南交通大学电气工程学院 286 5020 37.0 56.0
2 郭成 西南交通大学电气工程学院 14 190 7.0 13.0
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  (142)
参考文献  (7)
节点文献
引证文献  (4)
同被引文献  (15)
二级引证文献  (53)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(9)
  • 参考文献(0)
  • 二级参考文献(9)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(3)
  • 引证文献(0)
  • 二级引证文献(3)
2012(6)
  • 引证文献(0)
  • 二级引证文献(6)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(6)
  • 引证文献(0)
  • 二级引证文献(6)
2015(5)
  • 引证文献(0)
  • 二级引证文献(5)
2016(10)
  • 引证文献(0)
  • 二级引证文献(10)
2017(12)
  • 引证文献(0)
  • 二级引证文献(12)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(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
微粒群优化算法
PID控制
参数优化
基于T-S模型的模糊自适应PSO算法
早熟
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家科技支撑计划
英文译名:
官方网址:http://kjzc.jhgl.org/
项目类型:重大项目
学科类型:能源
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导