PID控制器是过程控制中应用最为广泛的控制器，而传统PID控制器参数整定难以达到最优状态，同时，存在控制结果超调量过大、调节时间偏长等缺点，因此，将变异粒子群优化算法（Mutation Particle Swarm Optimization，MPSO）运用于BP-PID的参数整定过程中，设计了一种高效、稳定的自适应控制器。考虑MPSO的变异机制，以种群适应度方差与种群最优适应度值为标准，进行种群变异操作，可以克服早熟，提高收敛精度和PSO的全局搜索能力，使MPSO优化的BP神经网络整定的PID控制器能以更快的速度、更高的精度完成过程控制操作。在实验中，通过比较BP-PID、PSO-BP-PID以及MPSO-BP-PID三控制器仿真结果，证明了所提MPSO算法的有效性和所设计MPSO-BP-PID控制器的优越性。
2024-04-19 09:17:45
670KB
1
本程序针对多输入多输出的耦合网络，设计了PID神经元网络，达到了很好的控制效果。
2023-04-17 13:03:53
3KB
基于BP神经网络的中PID控制，把被控对象的模型，现在变为二阶传递函数：G(s)=1/(0.003s^2+0.067s) ，想仿真此对象的阶跃跟踪的效果
2022-11-02 18:03:51
12KB
1
【MATLAB2016a】模糊自适应PID双闭环直流调速系统（带负载），使用步骤请看B站视频：https://www.bilibili.com/video/BV1dt4y1x7q6?spm_id_from=333.999.0.0&vd_source=7c338f7ca9e256485c1a0c569850c46c
2022-07-13 18:10:10
67KB
基于PSO优化BP神经网络PID控制器的仿真,使用matlab2021a或者更高版本测试
for j=1:1:H
Oh(j)=( exp( net2(j)-exp(-net2(j)) ) )/(exp( net2(j)+exp(-net2(j)) ));
end
net3=wo*Oh;
for l=1:1:Out
K(l)=exp(net3(l))/(exp(net3(l))+exp(-net3(l)));
%K(l)=M*net3(l);
end
kp(k)=M(1)*K(1); ki(k)=M(2)*K(2); kd(k)=M(3)*K(3);
Kpid=[kp(k),ki(k),kd(k)];
du(k)=Kpid*epid;
u(k)=u_1+du(k);
2022-05-07 09:10:22
6KB