传递函数1/s(s+1)(s+2)的节约响应曲线、PID控制器的控制曲线、模糊自适应PID控制器的控制曲线如下示：

发布网友 发布时间：2022-04-30 09:54

我来回答

共2个回答

热心网友 时间：2023-10-22 11:20

遗传算法和神经网络是两个改进方向。前者是一个全局寻优算法，后者是拟合算法（类似于自适应）。全局寻优就是找到一组控制参数，使得阶跃响应与理想输出之间误差的某一范数最小，控制参数可以是你的模糊控制器参数，神经网络参数，pid前面的系数等等等等。拟合算法就是找到某个函数关系，使得输入输出之间的误差最小，很类似数值方法里面的插值。
要达到相同或者更好的控制效果是必然的。比如你用遗传算法找到一组最好的模糊pid控制器参数，然后和你自己试凑的模糊pid相比，那肯定是更好，但是原理上没有什么改观，控制器还是原来的控制器，只是找到了最优参数，另外实时性要求不高的话建议不用遗传算法，用更精确的全局寻优算法，比如粒子群，蚁群算法等。神经网络PID控制器古典的是用神经网络拟合pid参数，现代的都是把PID环节做成隐含层神经元，因为你这个被控对象很简单，所以我个人观点，加上一些常用的神经网络控制算法就够用了，比如某些环节加一个加权和。
这个东西说实在的你要做作业是个不错的练习，但是写论文显得略微落伍了。单纯的全局寻优算法和神经网络控制前些年做的有点烂了，写论文的话实在是很难找出来创新点。

热心网友 时间：2023-10-22 11:20

如果就是这个传递函数1型三阶系统使用PID等经典控制方法已经很好了，为什么还要选择智能控制呢追问必然是这些还不够啊，知道的可以继续作答啊。别问为什么，只需要智能控制就行了。

热心网友 时间：2023-10-22 11:20

遗传算法和神经网络是两个改进方向。前者是一个全局寻优算法，后者是拟合算法（类似于自适应）。全局寻优就是找到一组控制参数，使得阶跃响应与理想输出之间误差的某一范数最小，控制参数可以是你的模糊控制器参数，神经网络参数，pid前面的系数等等等等。拟合算法就是找到某个函数关系，使得输入输出之间的误差最小，很类似数值方法里面的插值。
要达到相同或者更好的控制效果是必然的。比如你用遗传算法找到一组最好的模糊pid控制器参数，然后和你自己试凑的模糊pid相比，那肯定是更好，但是原理上没有什么改观，控制器还是原来的控制器，只是找到了最优参数，另外实时性要求不高的话建议不用遗传算法，用更精确的全局寻优算法，比如粒子群，蚁群算法等。神经网络PID控制器古典的是用神经网络拟合pid参数，现代的都是把PID环节做成隐含层神经元，因为你这个被控对象很简单，所以我个人观点，加上一些常用的神经网络控制算法就够用了，比如某些环节加一个加权和。
这个东西说实在的你要做作业是个不错的练习，但是写论文显得略微落伍了。单纯的全局寻优算法和神经网络控制前些年做的有点烂了，写论文的话实在是很难找出来创新点。

热心网友 时间：2023-10-22 11:21

如果就是这个传递函数1型三阶系统使用PID等经典控制方法已经很好了，为什么还要选择智能控制呢追问必然是这些还不够啊，知道的可以继续作答啊。别问为什么，只需要智能控制就行了。