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。
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
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
57843
- 识获取的模糊控制系统的基础上改进的遗传算法和神经网络 -Knowledge Acquisition of Fuzzy Control System Based on Improved Genetic Algorithm and Neural Networks
zhinengkongzhi
- 详细介绍了应用matlab实现模糊控制，以及遗传算法等优化算法的原理内容-Details of the application matlab fuzzy control and genetic algorithm optimization algorithms work content