基于改进 PSO 和模糊 RBF 神经网络的退火炉温控制

• 作者: 李晓峰 李界家 片锦香
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 改进粒子群优化算法 模糊径向基函数神经网络 退火炉 温度控制 径向基函数 权值 阀值 超调量 响应时间 稳态误差
• 年，卷（期）: 2014,（3）
• 页码范围: 337-341
• 页数: 5页
• 分类号: TP183
• 字数: 3664字
• 语种: 中文

摘要

为提高对具有大滞后，强耦合的退火炉温度控制系统的控制精度，采用模糊径向基函数(RBF)神经网络控制炉温，并采用改进粒子群优化(PSO)算法进行优化。利用模糊推理过程与RBF 神经网络所具有的函数等价性，统一系统函数。在利用改进 PSO 算法对模糊 RBF 神经网络进行训练时，先利用改进 PSO 算法得到模糊 RBF 神经网络的初始权值和阀值，然后对其进行二次优化得到最终的权值和阀值。仿真结果表明：该文方法降低了超调量，缩短了响应时间，稳态误差很小，能够拟合参考模型的输出，控制效果明显优于常规 PID 控制。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李界家	沈阳建筑大学信息与控制工程学院	117	683	13.0	20.0
2	片锦香	沈阳建筑大学信息与控制工程学院	34	132	5.0	10.0
3	李晓峰	沈阳建筑大学信息与控制工程学院	2	19	1.0	2.0