作者:
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:
PID神经元网络具有动态特性,在系统控制应用中相比于传统的PID控制方法可取得更优的效果,但其学习算法为梯度学习算法,初始权值随机取得,为了提高其控制量逼近控制目标的速度和系统响应时间,引入粒子群算法对初始权值进行优化,最后应用Matlab软件对改进后的PID神经元网络算法进行仿真.仿真结果表明,该方法具有较好的控制性能.
推荐文章
多变量PID神经元网络控制系统
集气管压力控制系统
PID神经元网络
多变量系统
解耦
基于PID神经元网络和内模控制的拥塞控制算法
网络拥塞控制
主动队列管理
PID神经元网络
内模控制
PID神经元网络多变量控制系统分析
神经元网络控制
多变量系统
PID控制
稳定性
收敛性
基于混合量子遗传算法的过程神经元网络训练
过程神经元网络
训练
学习算法
优化求解
量子遗传算法
混合遗传算法
拟牛顿迭代法
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 基于改进PID神经元网络的多变量系统控制算法
来源期刊 电子科技 学科 工学
关键词 PID 神经元网络 多变量控制系统 粒子群算法
年,卷(期) 2016,(6) 所属期刊栏目 协议·算法及仿真
研究方向 页码范围 26-28,33
页数 4页 分类号 TP183
字数 2281字 语种 中文
DOI 10.16180/j.cnki.issn1007-7820.2016.06.008
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 宋水泉 惠州工程技术学校实训中心 5 8 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (66)
参考文献  (7)
节点文献
引证文献  (7)
同被引文献  (43)
二级引证文献  (17)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
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(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(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(1)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(12)
  • 引证文献(1)
  • 二级引证文献(11)
2020(8)
  • 引证文献(3)
  • 二级引证文献(5)
研究主题发展历程
节点文献
PID
神经元网络
多变量控制系统
粒子群算法
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
电子科技
月刊
1007-7820
61-1291/TN
大16开
西安电子科技大学
1987
chi
出版文献量(篇)
9344
总下载数(次)
32
总被引数(次)
31437
论文1v1指导