改进的BP神经网络PID控制器在温室环境控制中的研究

发布时间：2021-06-22 16:29

　　为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传-粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。 

【文章来源】：电子测量技术. 2019,42(04)

【文章页数】：6 页

【文章目录】：
0 引 言
1 温室环境系统数学模型
2 常规BP神经网络PID控制
3 改进的BP神经网络PID控制
    3.1 遗传优化算法
    3.2 粒子群优化算法
    3.3 基于GA-PSO算法的BP神经网络PID控制
        1) BP、GA以及PSO算法比较分析
        2) GA-PSO算法分析
        3) GA-PSO-BP神经网络PID控制器设计
        4) GA-PSO优化BP神经网络权值
4 应用与仿真
5 结 论


【参考文献】：
期刊论文
[1]基于BP神经网络的PID控制器参数调整[J]. 张永振,苏寒松,刘高华,廖泽龙.  南开大学学报(自然科学版). 2018(03)
[2]基于遗传算法优化的BP神经网络研究应用[J]. 墨蒙,赵龙章,龚嫒雯,吴扬.  现代电子技术. 2018(09)
[3]基于粒子群遗传算法的城市轨道交通列车折返时刻表优化研究[J]. 孙旺.  铁道运输与经济. 2018(04)
[4]基于STM32的无线温室大棚控制系统设计[J]. 王博,刘忠富,庄婧昱,吴学富.  电子测量技术. 2017(06)
[5]改进PSO优化神经网络算法的人体姿态识别[J]. 何佳佳,李平,刘井平,戴傲.  传感器与微系统. 2017(01)
[6]PSO优化BP神经网络的串联故障电弧识别方法[J]. 张扬,刘艳丽.  传感器与微系统. 2016(07)
[7]基于GA优化BP神经网络的液压钻机故障诊断[J]. 余发山,康洪.  电子测量技术. 2016(02)
[8]人工蜂群优化的BP神经网络在入侵检测中的应用[J]. 沈夏炯,王龙,韩道军.  计算机工程. 2016(02)
[9]基于遗传算法BP神经网络的恒压供水系统的研究[J]. 吕国芳,张明艳.  电子设计工程. 2015(15)
[10]BP神经网络PID控制算法在农作物干燥控制系统中的应用研究与设计[J]. 吕伟,姚凯学.  计算机测量与控制. 2015(02)



本文编号：3243165