搜索资源列表
CHAP4_4
- 基于REF神经网络整定的PID控制,网络分三层被控对象为二阶
matlab_3
- 基于BP神经网络整定的PlD控制,神经网络,根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标 的最优化,使输出层神经元的输出状态对于控制器的三个可调参数
matlab_4
- 基于RBF神经网络整定的PID控制 径向基函数具有单隐居的三层前馈网络。是—种局部逼近网络,己证明它能以任意精度逼近杠意连续函数。
matlab_5
- 基于RBF神经网络辨识的单神经元PID模型参考自适应控制
ygm2
- 基于神经网络自动控制的电机调速DSP程序。能自动学习PID参数。
waveletnnnpid
- 基于小波神经网络的PID控制Matlab仿真,有代表性,值得研究
BP
- 基于BP神经网络的 参数自学习控制 (1)确定BP网络的结构,即确定输入层节点数M和隐含层节点数Q,并给出各层加权系数的初值 和 ,选定学习速率 和惯性系数 ,此时k=1; (2)采样得到rin(k)和yout(k),计算该时刻误差error(k)=rin(k)-yout(k); (3)计算神经网络NN各层神经元的输入、输出,NN输出层的输出即为PID控制器的三个可调参数 , , ; (4)根据(3.34)计算PID控制器的输出u(k); (5)进行神经网络学习,在线调整加权
CHAPTER10
- 近几年来研究的多种PID控制程序,有灰色PID,神经网络自适应PID,模糊PID等等,!
bppid
- bp神经网络用于PID控制器的参数优化,程序可以直接运行,具有很好的优化效果!
4
- 介绍神经PID控制,包括:基于神经元网络、BP神经网络、RBF神经网络等PID整定的讲解和相关的源代码
permanentmagnetsynchronousmotorcontrol
- 摘要 本文在对永磁同步电动机进行电磁分析设计的基础上,采用MATLABISIMULINK仿真工具对控制系统分别采用PID控制、神经网络控 制的情况进行了仿真分析。
WNN_PID
- 提出了一种基于小波神经网络整定的PID 控制方法。由于小波变换具有良 好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规 范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧 支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,渗碳炉控制实 验结果表明,用该方法整定的PID 控制系统收敛速度快,逼近精度高,鲁棒性好
NNPIDDistub2
- 神经网络抗扰例子,通过动态调整PID参数,可以在新的对象模型下迅速稳定。
intelligent_control_modle
- 本人调试的大作业(源程序模型+论文),主要包括PID控制、模糊控制、神经网络控制、遗传算法优化神经网络控制(使用了遗传工具箱GAOT)对同一系统所作的仿真比较,并加入饱和、死区、时滞等非线性后的响应,具体的分析比较过程论文中写的很详细。
adaptive_PID_control_based_on_rbf_idnetification.r
- 该算法是基于RBF神经网络整定的PID控制 分享一下,希望对大家有所帮助
zrhyuany
- 基于BP神经网络的PID控制,包括单神经元控制,二次型最优化等几种方法的比较!
bpannpid
- 用matlab写的BP神经网络整定PID的算法,被控对象为二阶对象。-Matlab written with BP neural network-tuning PID algorithm, was charged with second-order object to object.
modifiedPID
- 改进的单神经元自适应PID控制,权系数的再线修正不完全是根据神经网络学习原理-Improved single neuron adaptive PID control, the right to re-line coefficient amendment is not in full accordance with the principle of neural network learning
shenjing
- 利用神经网络度pid参数进行整定,优化参数-Pid degrees using neural network tuning parameters, and optimize the parameters
DRNN
- 采用基于DRNN神经网络整定的PID控制,网络结构取3-7-1,权值取随机值-PID controled by drnn network