计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
10期
350-353
,共4页
人工鱼群算法%神经网络%初始权值%多变量%解耦控制
人工魚群算法%神經網絡%初始權值%多變量%解耦控製
인공어군산법%신경망락%초시권치%다변량%해우공제
Artificial fish-swarm algorithm%Neural network%Initial weight value%Multivariable%Decoupling control
针对多变量系统解耦控制的要求和特点,传统的PID神经网络在选取初始权值难以确定,往往是随机得到,容易导致采用的BP学习算法陷入局部极值.提出了一种人工鱼群算法优化PID神经网络初始权值.通过对多变量控制对象的mat-lab仿真验证,把人工鱼群算法优化得到的最优初始权值带入PID神经网络,结果显示加快了PID神经网络的收敛速度,使控制量迅速地接近控制目标,保证了系统稳定性,取得了满意的控制效果.
針對多變量繫統解耦控製的要求和特點,傳統的PID神經網絡在選取初始權值難以確定,往往是隨機得到,容易導緻採用的BP學習算法陷入跼部極值.提齣瞭一種人工魚群算法優化PID神經網絡初始權值.通過對多變量控製對象的mat-lab倣真驗證,把人工魚群算法優化得到的最優初始權值帶入PID神經網絡,結果顯示加快瞭PID神經網絡的收斂速度,使控製量迅速地接近控製目標,保證瞭繫統穩定性,取得瞭滿意的控製效果.
침대다변량계통해우공제적요구화특점,전통적PID신경망락재선취초시권치난이학정,왕왕시수궤득도,용역도치채용적BP학습산법함입국부겁치.제출료일충인공어군산법우화PID신경망락초시권치.통과대다변량공제대상적mat-lab방진험증,파인공어군산법우화득도적최우초시권치대입PID신경망락,결과현시가쾌료PID신경망락적수렴속도,사공제량신속지접근공제목표,보증료계통은정성,취득료만의적공제효과.
