论文部分内容阅读
多变量系统内部的耦合性以及对象参数的复杂性，给控制系统的设计带来了一系列的问题。传统控制方法无法对其进行精确解耦，导致系统控制精度较低。本文构建一种基于遗传算法优化的PID神经网络解耦控制器。该方法利用PID优良的动态控制特性和神经元网络非线性表达能力对多变量耦合系统进行解耦，在神经网络权值修正算法中增加动量项，提高网络学习效率，并采用遗传算法优化初始权值，克服了PID神经网络权值学习过程中易陷入局部最优值的缺点，提高了控制精度。仿真结果表明：优化后的PID神经网络具有较高的稳态精度和较快的响应速度，能够