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:
动力伞是一个复杂的非线性动力学对象,难以用精确的数学模型描述.对于这种具有非线性、时变和强耦合特性的综合系统,采用传统PID控制方法不能得到满意的控制效果,因此提出一种基于RBF神经网络的PID控制方法.该方法利用RBF神经网络的自学习、自适应能力自调整系统的控制参数,从而实现对PID控制器各参数的优化整定.在Matlab软件中的仿真结果表明,该方法可实现对动力伞有效的控制,并且与传统PID相比,具有更短的调节时间,更好的稳定性、自适应性和鲁棒性.
推荐文章
基于神经网络动态逆的动力伞飞行控制方案
动力伞
飞行控制
神经网络
动态逆
一种基于RBF神经网络的模糊PID控制算法
RBF神经网络
模糊控制
PID算法
基于模糊RBF神经网络的PID控制方法及应用
模糊RBF神经网络
PID控制
参数整定
MATLAB仿真
基于RBF神经网络的TCSC自适应PID控制
径向基函数神经网络
可控串联补偿
自适应PID控制
电力系统稳定
功率振荡
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RBF神经网络PID的无人动力伞控制
来源期刊 计算机技术与发展 学科 工学
关键词 RBF神经网络 PID控制 无人动力伞
年,卷(期) 2012,(2) 所属期刊栏目 应用开发研究
研究方向 页码范围 206-208,212
页数 分类号 TP39
字数 1781字 语种 中文
DOI 10.3969/j.issn.1673-629X.2012.02.054
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 陈自力 军械工程学院光学与电子工程系 122 595 11.0 18.0
2 齐晓慧 军械工程学院光学与电子工程系 119 1399 18.0 33.0
3 张昊 军械工程学院光学与电子工程系 16 27 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (62)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
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)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(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
RBF神经网络
PID控制
无人动力伞
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导