纯滞后对象的RBF神经网络PID控制研究

英文篇名：PID Controller Based on RBF Network
中文刊名：机械制造与自动化
英文刊名：Machine Building & Automation
作者：王义飞 ; 鲁毅 ; 刘涛
英文作者：WANG Yi-fei1 ; LU Yi2 ; LIU Tao2(1.Electric Power Occupational Technical Institute of SEPC ; Taiyuan 030021 ; China ; 2.Department of Measure and Control ; The 718th Research Institute of CSIC ; Handan 056027 ; China)
中文关键词：RBF ; 神经网络 ; PID控制器
英文关键词：RBF ; neural network ; PID controller
出版日期：2011-04-20
机构：山西电力职业技术学院电力工程系;中船重工集团公司第七一八研究所工业控制工程部;
年：2011
期：02
出版单位：机械制造与自动化

摘要

神经元网络具有信息分布储存、并行处理以及自组织、自学习能力等优点。运用RBF神经网络训练了PID控制器的三个重要参数。相比于传统的PID控制器,提高了控制精度,使系统快速地达到了稳定状态。并进行了Matlab仿真,验证了这一结论。
Neural network has many advantages such as distributing memory of information,parallel processing and ability of self-organizing and self-studying.This paper trains the three important parameters of PID controller by using RBF neural network.Compared with traditional PID controller,it improves the control precision and makes the system reach to steady state rapidly.And it proves this conclusion by Matlab simulation.

引文

[1]杨林,任雪梅,黄鸿.基于RBF网络自整定PID控制应用研究[J].计算机仿真,2006,23(1):270-273.
    [2]任子武,高峻山.基于神经网络的PID控制器[J].自动化技术与应用,2004,23(5):17-19.
    [3]丁军,徐用懋.单神经元自适应PID控制器及其应用[J].控制工程,2004,11(1):27-30.
    [4]侯勇严,郭文强.单神经元自适应PID控制器设计方法研究[J].微计算机信息(测控自动化),2005,21(8-1):8-10.
    [5]胡俊达,胡慧,黄望军.自适应PID控制技术综述[J].中华纸业,2005,26(2):48-51.
    [6]朱仲邃.不完全微分PID算法在纯滞后系统中的应用[J].控制系统,2005,21(9-1):27-28.
    [7]王炜,吴耿锋,张博锋,等.径向基函数(RBF)神经网络及其应用[J].地震,2005,25(2):19-25.
    [8]李国勇.智能控制及其MATLAB实现[M].北京:电子工业出版社,2005.
    [9]陶永华主编.新型PID控制及其应用[M].2版.北京:机械工业出版社,2002.