基于粒子群优化的神经网络自适应控制算法

• 作者: 刘泉 周祖德 徐胜男 艾青松
• 来源期刊: 中国机械工程
• 关键词: PSO算法 BP神经网络 PID控制 自适应控制
• 年，卷（期）: 2012,（22）
• 所属期刊栏目: 科学基金
• 页码范围: 2732-2738
• 页数: 7页
• 分类号: TP273
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2012.22.017

摘要

针对一些非线性场合或者控制对象可变的条件下,传统PID控制达不到要求且需要靠经验不断地调整PID参数的情况,提出了一种基于粒子群优化(particle swarm optimization,PSO)的神经网络自适应控制算法.该算法结合传统PID控制、BP神经网络和PSO全局优化算法,用PSO算法优化BP神经网络的初始权值,然后用优化后的BP神经网络在线调整PID参数.优化过程中引入了变异操作,并考虑激活函数增益及隐含层数的选择对PSO算法和BP神经网络的综合影响.该算法克服了神经网络容易陷入局部极小值以及收敛速度慢的缺陷,仿真结果表明,该算法在精确性和实时性上有很大的改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘泉		123	1139	18.0	28.0
2	周祖德		215	2565	25.0	40.0
3	艾青松		10	64	5.0	8.0
4	徐胜男		2	18	2.0	2.0