基于粒子群算法–反向传播神经网络自适应的氧调器控制系统

• 作者: 孙青林 范俞超 董方酉 陈增强
• 来源期刊: 控制理论与应用
• 关键词: 氧气面罩 氧气调节器 氧气控制 粒子群算法 反向传播神经网络 PSO–BP神经网络自适应算法 参数自适应
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 短文
• 页码范围: 687-695
• 页数: 9页
• 字数: 4698字
• 语种: 中文
• DOI: 10.7641/CTA.2019.90008

摘要

氧气面罩中的核心部件是氧气调节器(氧调器).针对当前氧气调节器的大流量、低吸气阻力、快速响应的性能需求,本文在分析了电子氧气调节器工作原理的基础上,介绍了氧气调节器的数学模型,采用了反向传播(BP)神经网络自适应控制算法,并使用粒子群算法(PSO)对BP神经网络自适应控制算法的初值进行筛选.最后,对算法的性能进行了仿真.仿真结果表明,系统具有鲁棒性,且与传统的比例–积分–微分(PID)控制方法和自抗扰控制(AD-RC)方法相比,PSO–BP神经网络自适应控制方法实现了更精确的吸气阻力调节、更快的响应速度.此外,当呼吸频率变化或者外界干扰变化时,相比于常规PID算法和ADRC算法则需要人工调整控制参数,PSO–BP神经网络自适应算法则可以自动在线学习训练并调整控制参数,应用前景广阔.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈增强	南开大学人工智能学院	345	4297	35.0	48.0
2	孙青林	南开大学人工智能学院	88	469	11.0	16.0
3	董方酉	南开大学人工智能学院	3	2	1.0	1.0
4	范俞超	南开大学人工智能学院	1	0	0.0	0.0