论文部分内容阅读
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