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:
传统的PID控制器参数优化方法容易产生振荡和较大的超调量,因此智能算法如遗传算法(SGA)和粒子群算法(PSO)被用于参数优化,弥补传统算法的不足,但是遗传算法在进化过程中收敛速度慢,粒子群算法存在易于早熟的缺点.在分析量子粒子群算法(QPSO)的基础上,在算法中引入了权重系数,提出使用改进的量子粒子群算法(WQPSO)优化PID控制器参数.将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较.最后,通过三个传递函数实例,分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析.
推荐文章
基于改进QPSO算法的电动汽车模糊控制器参数优化
电动汽车
无刷直流电机
模糊控制器
量子行为粒子群算法
收缩-扩张系数
基于蜻蜓算法的PID控制器参数优化
蜻蜓算法
PID控制器
参数优化
ITAE
控制性能
反馈控制策略
基于动态布谷鸟搜索算法的PID控制器参数优化
布谷鸟搜索算法
PID控制器
参数优化
基于PSO算法的二自由度PID控制器参数优化
粒子群优化算法
二自由度PID控制
优化
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 基于权重QPSO算法的PID控制器参数优化
来源期刊 计算机工程与应用 学科 工学
关键词 量子粒子群算法 权重系数 PID控制器 参数优化
年,卷(期) 2010,(5) 所属期刊栏目 工程与应用
研究方向 页码范围 224-228
页数 5页 分类号 TP272
字数 4042字 语种 中文
DOI 10.3778/j.issn.1002-8331.2010.05.068
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 孙伟 9 22 2.0 4.0
2 周阳花 江南大学信息学院 6 32 4.0 5.0
3 魏敏 江南大学信息学院 11 79 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (8)
同被引文献  (10)
二级引证文献  (26)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(8)
  • 引证文献(1)
  • 二级引证文献(7)
2014(5)
  • 引证文献(0)
  • 二级引证文献(5)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(5)
  • 引证文献(2)
  • 二级引证文献(3)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
量子粒子群算法
权重系数
PID控制器
参数优化
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导