搜索资源列表
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
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
BP-PID
- 基于BP神经网络的PID参数自整定,实现PID控制器的自适应控制(Self-tuning of PID parameters based on BP neural network)
511352神经网络pid
- 使用Matlab实现了基于模糊神经网络的PID控制器,用于模拟斩波电路的PID控制器控制模拟(The PID controller based on fuzzy neural network is realized by using MATLAB, which is used to simulate the control of the PID controller of the analog chopper circuit.)