基于混沌粒子群优化的神经网络PID解耦控制。

神经网络PID(PIDNN)作为一种新型的神经网络模型,结合了PID和神经网络的优点。 但是,错误反向传播算法(BP)限制了PIDNN的性能。 为了实现对非线性,大时滞和强耦合系统的有效控制,提出了一种基于混沌粒子群算法的神经网络PID控制方法。 用混沌粒子群算法代替原始PID神经网络的反向传递算法,调整每个神经元之间的PIDNN权重,实现了快速解耦控制效果。 仿真结果表明,与原来的BP算法相比,本文提出的方法具有更好的动态和稳态性能。