摘要
为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传-粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。
In order to realize the intelligent control of the greenhouse environment system better,aiming at the problems of non-linear,strong coupling,large lag and strong time-varying in greenhouse environment system,this paper proposes and designs a BP neural network PID controller based on genetic-particle swarm optimization on the basis of analyzing BP neural network technology.Combining the strong global search ability of genetic algorithm and the strong local search ability and fast convergence speed of particle swarm optimization algorithm,the controller optimizes the weights of neural network and effectively controls the greenhouse environment system.Finally,a comparative study of conventional and improved BP neural network PID controllers is carried out.The simulation results show that?@?the improved BP neural network PID control has better stability and robustness.
作者
袁建平
施一萍
蒋宇
江鹏
Yuan Jianping;Shi Yiping;Jiang Yu;Jiang Peng(College of Electrical&Electronic Engineering,Shanghai University of Engineering Science,Shanghai 201600,China)
出处
《电子测量技术》
2019年第4期19-24,共6页
Electronic Measurement Technology
基金
上海工程技术大学学科建设项目(2018xk-A-03)资助
关键词
BP神经网络
遗传算法
粒子群算法
PID控制
智能控制
温室环境
BP neural network
genetic algorithm
particle swarm optimization
PID controller
intelligent control
greenhouse environmental
作者简介
袁建平,硕士研究生,主要研究方向为复杂工业过程的自动控制。E-mail:yjp930910@163.com;通信作者:施一萍,副教授、硕士生导师,主要研究方向为智能控制和软件工程。E-mail:syp@sues.edu.cn。
