基于蚁群神经网络的工业自动化PID控制器参数优化
针对常规方法无法获得最优PID控制器参数的缺点,提出一种基于蚁群神经网络的PID控制器参数优化方法(ACO-RBFNN).ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入,系统的输出为RBF神经网络期望输出,通过蚁群算法对RBF神经网络的参数进行优化,并通过RBF神经网络构造参数自学习的PID控制器,从而实现PID控制器参数在线优化.仿真实验结果表明,基于AC0-RBFNN的PID控制器可以得到令人满意的控制效果,可以应用于工业自动化控制系统的PID控制器数优化.
PID控制器 参数优化 蚁群算法 神经网络
苑毅 杨惠
甘肃联合大学,兰州73000
国内会议
武汉
中文
316-320
2013-09-01（万方平台首次上网日期，不代表论文的发表时间）