搜索资源列表
FuzzyNeuralNetwork
- 本论文在较为系统地分析模糊神经网络理论和遗传算法基本原理的基础上，，提出一种基于补偿模糊神经网络的控制方法，通过补偿模糊推理和快速学习算法的引入，构造补偿模糊神经网络控制器，实现模糊网络结构和参数的优化及matlab仿真。
PID参数优化与整定方法
- PID控制器现在仍然是应用最广泛的工业控制器，其关键在于对PID参数的优化整定,而采用常规的手工整定方法已经难以满足要求，目前需要解决对PID参数的高效优化问题。 本论文首先介绍了PID控制方法和常规PID参数整定方法，编程实现了数字PID控制器和基于遗传算法的参数自整定程序，然后将遗传算法用于不同的被控对象进行PID参数的整定及优化，为了对比控制效果，应用MATLAB软件进行了仿真验证，并用仿真曲线进行直观的对比。 结果表明遗传算法能够在对所求解问题一无所知的情况下,快速从全局搜索出优化的控
A_real-time_adaptive_PID_controller_step_motor
- 传统PID控制器通常难以满足多变量、非线性、强耦合的步进电机动态响应和精 确调速要求,结合传统PID控制和模糊控制及遗传算法(GA)整定PID参数的优点,设计基于 模糊遗传算法的实时自适应步进电动机PID控制器,充分发挥传统和智能控制策略各自的优 势。仿真结果表明,该实时自适应步进电动机PID控制器,具有很好的自适应能力和抗负载扰 动能力。在稳定性、动态速度响应诸方面均优于传统的PID控制器和模糊控制器,系统达到了 较高调速性能和控制精度。 -Traditional PI
researchoncontrolofinvertedpendulumbasedonGA
- 本文以一级倒立摆系统和二级倒立摆系统作为实验平台，针对极点配置中极点不易寻找、LQR控制中权值难于确定和拟人控制从定性到定量转化的瓶颈问题，应用遗传算法对控制器进行参数优化，一方面充分利用各自的优势来共同提高控制器的性能，另一方面将人从费时费力的试凑试验中解脱出来。-In this paper, an inverted pendulum and double inverted pendulum system as the experimental platform, pole for pole
Intelligent-controller
- PID控制算法简单、鲁棒性强，但其参数整定过程繁琐，整定时需要控制对象的精确数学模型，而且整定往往是针对某一种具体工况进行的，缺乏自学习和自适应能力。模糊神经网络则兼备了模糊逻辑和神经网络的优点，具有函数逼近功能，具有较强的自适应、自学习能力、容错能力和泛化能力。借助于遗传算法对全局性参数进行优化设计，借助于BP算法对局部性参数进行优化，将模糊神经网络和遗传算法引入PID控制参数的整定过程，构造出一种基于模糊神经网络和遗传算法的智能PID控制器-Intelligent controller ba
7856453
- 一种新的PID型模糊神经网络控制器的研究, 带Smith预估器的改进遗传算法 -A New PID-type Fuzzy Neural Network Controller based on Genetic Algorithm with improved Smith Predictor