%0 Journal Article
%T 基于支持向量机回归和RBF神经网络的PID整定
%A 徐吉辉
%A 施建洪
%J 海军航空工程学院学报
%D 2015
%R 10.7682/j.issn.1673-1522.2015.04.002
%X 针对工业控制领域中非线性系统控制,在基于梯度下降法的 RBF网络 PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由 RBF神经网络在线辨识被控对象离散模型,得到被控对象的 Jacobian信息,采用梯度下降法对 PID控制器参数进行初步整定；然后,将系统跟踪误差和 PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的 RBF神经网络 PID整定收敛速度更快,精度更高,跟踪性能优于 RBF神经网络 PID整定
%K PID控制 RBF神经网络 支持向量机 自整定
%U http://hjhyxb.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20150402&flag=1