搜索资源列表
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
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-Based on wavelet n
PID-controller
- 介绍了一种基于最，j,-最大原理整定鲁棒PID控制器参数的方法，并应用MA ⅡAB 优化工具箱函数按非线性二次规划法搜索合理的PID参数。仿真结果表明，优化函数寻找 最佳PID参数简便可靠；当模型在一定范围内变化时，按该方法整定的鲁棒PID控制器均 能保证控制系统的动态性能良好。-Introduced based on the most, j,- setting the maximum principle method of
dsaddsafds
- PID控制器的性能取决于其控制参数的组合，针对其参数的整定和优化问题，提出了应用一种改进的粒子群优化算法，该 算法借鉴了遗传算法的杂交机制，并采用惯性权值的非线性递减策略。用以加速算法的收敛速度和提高粒子的搜索能力。将该算 法应用于一个二阶系统的PID控制器参数的优化。仿真结果表明该改进的粒子群算法具有比传统粒子群算法和遗传算法更好的 优化效果，具有一定的工程应用前景。-Abstract：PID controller’s p
Desktop
- 实现PID的三个参数的调节，使参数在一定范围内(PID three parameters to achieve the adjustment, so that parameters within a certain range)