文献类型：期刊文献

中文题名：基于QPSO的PID神经网络控制算法及其仿真

英文题名：PID Neural Network Control Algorithms Based on QPSO and Its Simulation

作者：韩明[1];孙京诰[2]

机构：[1]邹城市质量技术监督局,山东邹城273500;[2]华东理工大学信息科学与工程学院,上海200237

年份：2012

卷号：38

期号：6

起止页码：729

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;Scopus;北大核心:【北大核心2011】；CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：多变量PID神经元网络;解耦;量子粒子群算法

外文关键词：MPIDNN; decoupling; QPSO

摘要：PID神经元网络控制算法具有较好的动态和稳态性能、很强的解耦能力和抗干扰能力,适用于非线性多变量耦合系统的解耦控制。在对PID神经元网络控制算法研究的基础上,提出了基于量子粒子群权值修正多变量PID神经元网络控制算法。仿真实验结果表明,该算法解耦控制效果好,具有较强的抗干扰能力。
PID neural network （PIDNN） control algorithm is suitable for the decoupling control of nonlinear multivariable coupled system, because of its better dynamic and steady performance, and stronger decoupling and disturbance-attenuate ability. By updating weights via Quantum Particle Swarm Optimization（QPSO）, this paper further proposes a multivariable PID neural network control algorithm. The simulation results show that the present algorithm can attain better decoupling control effect and stronger disturbance-attenuate ability.