基于改进粒子群优化算法的离散混沌系统神经滑模控制
DOI:
CSTR:
作者:
作者单位:

1. 湖南大学信息科学与工程学院;湖南大学电气与信息工程学院
2. 湖南大学电气与信息学院
3. 湖南大学

作者简介:

吴建辉

通讯作者:

中图分类号:

基金项目:

国家自然科学基金:基于供应链低碳化的企业行为与运营优化决策研究;国家自然科学基金:基于供应链低碳化的企业行为与运营优化决策研究


Neural network sliding mode control based on improved particle swarm optimization algorithm for discrete-time chaotic systems
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对离散混沌系统,提出了一种基于融合Powell法的粒子群优化策略(Powell-PSO算法)的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数,有效克服了传统滑模等效控制的抖振现象;利用Powell-PSO算法对神经滑模控制器的参数进行全局优化,提高了离散混沌系统的控制品质。实验仿真表明:该方法无需了解离散混沌系统精确模型,具有响应速度快、控制精度高以及抗干扰能力强的优点。

    Abstract:

    Aiming at discrete-time chaotic systems, the neural network sliding mode equivalent control method based on
    a hybrid algorithm which combines the particle swarm optimization algorithm and the Powell search method(Powell-PSO
    algorithm) is proposed. When taking the output of BP neural network as the coefficient of the switch part of sliding mode
    equivalent control, the method effectively overcomes the chattering phenomenon of conventional sliding mode equivalent
    control. The Powell-PSO algorithm is applied to globally optimize the parameters of neural network sliding mode controller
    and then to control discrete-time chaotic systems more effectively. Simulation results show that the method requires no
    knowledge about the precise mathematical model of discrete-time chaotic systems with fast response speed, high control
    precision and strong anti-interference ability.

    参考文献
    相似文献
    引证文献
引用本文

吴建辉 章兢 刘朝华.基于改进粒子群优化算法的离散混沌系统神经滑模控制[J].控制与决策,2013,28(7):1094-1098

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2012-02-13
  • 最后修改日期:2012-06-06
  • 录用日期:
  • 在线发布日期: 2013-07-20
  • 出版日期:
文章二维码