原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
基于对角递归神经网络的控制系统的研究摘要本文提出了一种新基于对角递归神经网络优化控制器参数的方法控制器的参数能实现在线调整同时还给出了神经网络的学习算法利用和递归预测误差算法来辨识被控制对象仿真结果表明系统的可靠性自适应性快速性和鲁棒性关键字对角递归神经网络控制自适应神经控制介绍经典的控制器由于其单一结构的优势已经广泛的应用在工业控制过程中然而通过理论分析和实现可知控制器有它的局限性对于非线性时变系统的控制参数的调整是非常困难的为了完善调节效果在文献中提出了许多不同的调节方法在本文中提出了一种新
基于对角递归神经网络的PID控制系统的研究
摘要：本文提出了一种新基于对角递归神经网络（DRNN）优化PID控制器参数的方法。PID控制器的参数能实现在线调整，同时还给出了神经网络的学习算法。利用DRNN和递归预测误差算法（RPE）来辨识被控制对象，仿真结果表明系统的可靠性、自适应性、快速性和鲁棒性。
关键字：对角递归神经网络、PID控制、自适应神经PID控制
1.介绍
经典的PID控制器由于其单一结构的优势已经广泛的应用在工业控制过程中，然而，通过理论分析和实现可知PID控制器有它的局限性。对于非线性时变系统的PID控制参数的调整是非常困难的，为了完善调节效果，在文献[1][2][3][4]
文档评论（0）