基于鱼群算法和Hopfield网络的PID参数寻优.pdfVIP

下载本文档

6
0
约1.08万字
约 4页
2017-08-12 发布于重庆
举报
版权申诉

基于鱼群算法和Hopfield网络的PID参数寻优.pdf

1、本文档共4页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于鱼群算法和Hopfield网络的PID参数寻优.pdf

: 1674-7070( 2009) 02-0 179-04 基于鱼群算法和 H opfield网络的P ID 参数寻优汪蓓蕾1 0 提出 1种融合了人工鱼群算法与 Introduction H op field神经网络的 PID 参数优化算法. 该算法前期利用鱼群算法快随机的群 , PID 体性全局搜索能力生成问题较优的可行解域, 后期利用 H opfield神经网络硬件 , 易实现简单快的优点得到最优解, 有 , , 效弥补了 H opfield 网络对初始值过于依 [ 1] , 90% PID . PID 赖容易陷入局部极值的缺陷. 将该算法用于某发动机 PID 控制中的参数寻优, , 结果表明新混合算法的整定效果好于 , , H op field 神经网络, 且该算法简单易 [ 2] . PID 1. 实现. PID 参数寻优; 人工鱼群算法; H op field神经网络 TP391 A 1 PID Fi. 1 The principle block dia ram of analo PID control system PID k error(k ) - error( k - 1) u (k ) = k error( k) + k error(j ) T + k . ( 1) p i E d j = 0 T : k k k PID 3; T ; k p i d ; error( k - 1) error( k )( k - 1)k ; u ( k ) PID. PID , , , PID , 2009-06-03 . PID , PID , , , , PID ( N onlinear PID, . w an beilei1900@ yahoo. cn NLPID) PID PID PID PID PID. 1 , , 210044 PID PID 1 . H opfield PID . 180 WANG Beile.i O ptmi ization methodolo y of P ID parameters based on artificial fish-swarm a