PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用
针对BP优化PID神经网络(BP-PDNN)易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中.利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率.采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制.仿真结果表明,MSCOA-PIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN.
混沌优化、PID神经网络、机械臂、轨迹跟踪、预测控制
32
TP273(自动化技术及设备)
国家自然科学基金项目50675186
2013-11-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
84-89,95