基于人工鱼群算法的PID神经网络控制器仿真研究的中期报告.docxVIP

基于人工鱼群算法的PID神经网络控制器仿真研究的中期报告 本研究旨在基于人工鱼群算法，设计出一种PID神经网络控制器，并进行仿真研究。本次中期报告主要介绍了研究的进展情况及未来计划。 一、研究进展情况 1. 人工鱼群算法的优化 人工鱼群算法（Artificial Fish Swarm Algorithm, AFSA）是一种基于自然界中鱼群行为的优化算法。在本研究中，我们将其应用于PID神经网络控制器的设计中，以使控制器具有更好的优化效果。 通过对AFSA算法的研究，我们发现它的核心在于鱼群的三种基本行为：觅食、聚集和追随。我们对其进行了改进，引入了抖动因子和吸引因子，增强了算法的全局搜索能力和收敛速度。 2. PID神经网络控制器的建立 PID神经网络控制器的建立是本研究的重点。我们选择了多层感知机（Multilayer Perceptron, MLP）作为PID神经网络控制器的基本模型，并将其与AFSA算法进行融合。 具体地，我们将PID控制器中的比例、积分、微分三个部分分别用不同的神经网络进行模拟，然后用AFSA算法对网络中的参数进行优化，以达到最佳控制效果。 3. 仿真实验的完成 本研究的最重要任务是针对某个具体的控制对象，设计出相应的控制器，并对其进行仿真实验以验证控制效果。 基于MATLAB/Simulink平台，我们完成了PID神经网络控制器对水库水位的控制的仿真实验。