论文部分内容阅读
针对于在非线性、时变和强耦合特性的特性下,PID控制效果不佳,以三自由度直升机模型系统作为研究对象,提出了粒子群优化神经网络控制器来实现对系统的控制。神经网络可以通过训练和学习自适应的调整参数,算法采用梯度学习法,初始权值随机产生。产生的权值在学习过程中能陷入局部最优值,因而粒子群算法优化得到的最优初始权值带入神经网络PID控制器能取得满意的效果,控制不仅迅速逼近控制目标,而且响应时间较短。仿真实验对比证明,粒子群优化神经网络PID算法具有优于PID算法的适应能力、鲁棒性和响应速度。