原文服务方: 物联网技术       
摘要:
PID控制器因其自身具有结构简单,针对线性系统具有较好控制效果的优点而被广泛应用于自动控制领域.但实际系统的数学模型往往是未知、复杂的,使得常规PID调控效果不尽如人意.考虑到常规PID的缺点,文中提出一种遗传算法与神经网络PID相结合的方法.此方法具有类似PID控制器的明确物理意义,又具有神经网络的非线性映射特点,而且在引入遗传算法后改善了神经网络权重、阈值初值选取盲目的不足.
推荐文章
基于遗传算法优化的BP神经网络研究应用
人工神经网络
BP神经网络
遗传算法
GA?BP神经网络
优化方法
搜索能力
基于改进遗传算法的神经网络控制
神经网络
遗传算法
自适应
交叉概率
变异概率
基于遗传算法的神经网络性能优化
遗传算法
神经网络
进化计算
优化
基于遗传算法的神经网络优化
神经网络
遗传算法
进化神经网络
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 基于遗传算法的神经网络PI D控制方法研究
来源期刊 物联网技术 学科
关键词 神经网络 PID 非线性 遗传算法
年,卷(期) 2017,(10) 所属期刊栏目 智能处理与应用
研究方向 页码范围 40-42
页数 3页 分类号 TP183
字数 语种 中文
DOI 10.16667/j.issn.2095-1302.2017.10.010
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 刘晓悦 华北理工大学电气工程学院 44 73 5.0 7.0
2 冯立强 华北理工大学电气工程学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (70)
共引文献  (247)
参考文献  (11)
节点文献
引证文献  (3)
同被引文献  (19)
二级引证文献  (8)
1980(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)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(10)
  • 参考文献(0)
  • 二级参考文献(10)
2008(15)
  • 参考文献(1)
  • 二级参考文献(14)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(7)
  • 参考文献(2)
  • 二级参考文献(5)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(5)
  • 引证文献(1)
  • 二级引证文献(4)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
神经网络
PID
非线性
遗传算法
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
物联网技术
月刊
2095-1302
61-1483/TP
16开
2011-01-01
chi
出版文献量(篇)
5103
总下载数(次)
0
总被引数(次)
13151
论文1v1指导