期刊文献+

并联机器人的粒子群优化神经网络自适应控制算法研究 被引量:3

Parallel particle swarm optimization neural network adaptive control algorithm
下载PDF
导出
摘要 针对传统控制算法对并联机器人的控制效果不好的问题,提出了一种并联机器人的粒子群优化神经网络自适应控制算法,该算法在基于神经网络的自适应PID控制算法的基础上,首先对粒子群优化算法进行惯性权重的优化和收缩因子的改进,然后将该改进算法应用于原算法上。仿真试验结果表明,提出的粒子群优化神经网络自适应控制算法,在性能上远远优于传统PID控制算法和基于神经网络的自适应PID控制算法。
出处 《制造业自动化》 北大核心 2014年第12期5-7,23,共4页 Manufacturing Automation
  • 相关文献

参考文献8

二级参考文献82

共引文献37

同被引文献28

  • 1方强,姚郁.电动负载模拟器扰动观测器系统化设计[J].哈尔滨工业大学学报,2007,39(3):349-353. 被引量:9
  • 2胡旺,李志蜀.一种更简化而高效的粒子群优化算法[J].软件学报,2007,18(4):861-868. 被引量:336
  • 3Kim H S,Cho Y M, Lee K. Robust nonlinear task space control for 6 DOF Parallel manipulator[J].Automatica,2005,41 (9):1591-1600. 被引量:1
  • 4Bong K, Choi h. Analysis and design or robust motion controllers in the unified frameworks[J].Journal of Dynamic System, Measurement and Control,2002,124(6):313-321. 被引量:1
  • 5Tomizuka M, Zero phase error tracking algorithm for digital control[J].ASME Journal of Dynamic Systems Measurement and Control, 1987,109(1):65-68. 被引量:1
  • 6Chen Y C,Teng C C.A model reference control structure using a fuzzy neural network[J].Fuzzy Sets and Systems,1995,73(2):291-312. 被引量:1
  • 7Griffin A. Modeling and measuring product development cycle time across industries[J].Journal of Engineering and Technology Management, 1997,14(1):1-24. 被引量:1
  • 8Bashir H A, Thomson V. Models for estimating design effort and time[J].Design Studies, 2001,22(2):141-155. 被引量:1
  • 9Cho S H, Eppinger S D. A Simulation-based process model for managing complex design projects[J].IEEE Transactions on Engineering Management, 2005,52(3):316-328. 被引量:1
  • 10Xu Duo, Yan Hong-sen S. An intelligent estimation method for product design time[J].The International Journal of Advanced Manufacturing Technology, 2006,30(7):601-613. 被引量:1

引证文献3

二级引证文献8

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部