摘要:为提高对具有大滞后,强耦合的退火炉温度控制系统的控制精度,采用模糊径向基函数(RBF)神经网络控制炉温,并采用改进粒子群优化(PSO)算法进行优化。利用模糊推理过程与RBF 神经网络所具有的函数等价性,统一系统函数。在利用改进 PSO 算法对模糊 RBF 神经网络进行训练时,先利用改进 PSO 算法得到模糊 RBF 神经网络的初始权值和阀值,然后对其进行二次优化得到最终的权值和阀值。仿真结果表明:该文方法降低了超调量,缩短了响应时间,稳态误差很小,能够拟合参考模型的输出,控制效果明显优于常规 PID 控制。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社