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:
为了解决传统PID控制在智能车控制中响应迟滞,稳态误差和敏感性较大等问题.在传统PID控制的基础上,引入了BP神经网络.BP神经网络算法可以自动识别数学模型,可以自我学习和训练,自动整定加权系数,能够让控制参数自我调节.多次试验结果表明,该控制算法提高了控制的稳定性和快速响应性.
推荐文章
基于PID神经网络的智能车追逐控制系统研究
PID神经网络
智能车
双车追逐
速度控制
基于BP神经网络的PID控制方法的研究
BP算法
神经网络
PID控制
基于共轭梯度法的改进型BP神经网络PID控制算法
BP神经网络
PID控制器
共轭梯度法
基于BP神经网络的PID改进和研究
PID神经网络
动量项
激励函数
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BP神经网络的智能车PID控制研究
来源期刊 机械工程师 学科 工学
关键词 神经网络 智能车 PID控制
年,卷(期) 2018,(3) 所属期刊栏目 机械研究与分析
研究方向 页码范围 9-11
页数 3页 分类号 TP273.2
字数 1654字 语种 中文
DOI
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 李林升 南华大学机械工程学院 38 96 5.0 7.0
2 丁鹏 南华大学机械工程学院 4 6 1.0 2.0
3 钟成 南华大学机械工程学院 4 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (94)
共引文献  (117)
参考文献  (12)
节点文献
引证文献  (6)
同被引文献  (22)
二级引证文献  (5)
1922(1)
  • 参考文献(1)
  • 二级参考文献(0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(4)
  • 参考文献(0)
  • 二级参考文献(4)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(10)
  • 参考文献(1)
  • 二级参考文献(9)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(12)
  • 参考文献(0)
  • 二级参考文献(12)
2013(7)
  • 参考文献(2)
  • 二级参考文献(5)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(7)
  • 参考文献(3)
  • 二级参考文献(4)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(8)
  • 引证文献(6)
  • 二级引证文献(2)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
神经网络
智能车
PID控制
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
机械工程师
月刊
1002-2333
23-1196/TH
大16开
黑龙江省哈尔滨市
14-53
1969
chi
出版文献量(篇)
20573
总下载数(次)
34
论文1v1指导