• 
  PID控制器参数...
  ￥30.81元

　　本书是作者多年来在基于自然计算的PID控制器参数整定与实现方面进行深入研究的基础上撰写而成的。在吸收国内外许多具有代表性的最新研究成果的基础上，本书着重介绍作者在这一领域的研究成果，主要包括：PID控制器参数整定方法；分数阶PID控制器的参数整定；基于QDRNN的多变量PID控制器参数整定；数字PID控制器的FPGA实现；基于BP神经网络的PID控制器的FPGA实现；基于遗传算法的PID控制器的FPGA实现；基于粒子群算法的PID控制器的FPGA实现；主要算法的基本程序。
　　本书可作为与自动化相关专业的师生、研究人员以及工程技术人员的参考书。

样章试读

• 暂时还没有任何用户评论

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

• 暂时还没有任何用户咨询内容

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

用户名：	匿名用户
E-mail：
咨询内容：

• 前言
  第1章　绪论
  1.1　PID控制器参数整定的发展与现状
  1.2　PID控制器参数整定的分类
  1.3　PID控制的基本原理
  第2章　PID控制器参数整定方法
  2.1　常规Z-N整定方法及实现分析
  2.2　基于模糊控制的PID控制器参数整定
  2.2.1　模糊控制
  2.2.2　模糊控制器的原理与组成
  2.2.3　模糊自适应PID控制器参数整定原理
  2.2.4　模糊自适应PID控制器参数整定算法
  2.2.5　基于模糊控制PID控制器参数整定的仿真
  2.3　基于小波神经网络的PID控制器参数整定
  2.3.1　神经网络
  2.3.2　人工神经元
  2.3.3　神经网络的功能和学习方式
  2.3.4　BP神经网络
  2.3.5　基于BP神经网络的PID控制器设计
  2.3.6　小波神经网络
  2.3.7　小波神经网络的PID控制器设计
  2.3.8　数例仿真
  2.4　基于遗传算法的PID控制器参数整定及仿真
  2.4.1　遗传算法的基本原理
  2.4.2　改进的遗传算法
  2.4.3　改进的遗传算法PID控制器设计
  2.4.4　数例仿真
  2.5　基于克隆选择算法的PID控制器参数整定
  2.5.1　克隆选择算法的基本框架
  2.5.2　基于克隆选择算法的PID控制器参数整定
  2.5.3　仿真结果
  2.6　基于粒子群算法的PID控制器参数整定及仿真
  2.6.1　粒子群算法基本原理
  2.6.2　基于PSO的PID控制器参数整定
  2.6.3　标准的PSO算法在PID控制器参数整定中的应用
  2.6.4　仿真结果
  2.6.5　改进的PSO算法原理
  2.6.6　基于改进PSO的PID控制器参数整定
  2.6.7　仿真结果
  2.6.8　改进的PSO与标准PSO仿真结果比较
  2.7　多目标H₂/H_∞鲁棒PID控制器参数整定
  2.7.1　线性矩阵不等式理论
  2.7.2　LMI区域与H₂/H_∞性能
  2.7.3　LMI区域的描述
  2.7.4　H₂性能指标
  2.7.5　H_∞性能指标
  2.7.6　系统数学模型的建立
  2.7.7　多目标H₂/H_∞PID控制器设计
  2.7.8　多目标最优H₂PID控制器的设计
  2.7.9　数例仿真
  第3章　分数阶PID控制器的参数整定
  3.1　分数阶微积分的定义
  3.2　分数阶控制器
  3.3　分数阶PI^λD^μ控制器的数字实现
  3.4　基于粒子群算法的分数阶PID控制器参数整定
  3.5　基于神经网络的分数阶PID控制器参数整定
  3.6　基于免疫克隆选择算法的分数阶PID控制器参数整定
  第4章　基于QDRNN的多变量PID控制器参数整定
  4.1　对角递归神经网络
  4.2　对角递归神经网络Jacobian信息辨识
  4.3　准对角递归神经网络
  4.4　准对角递归神经网络Jacobian信息辨识
  4.5　基于准对角递归神经网络多变量PID控制算法
  4.6　数例仿真
  第5章　数字PID控制器的FPGA实现
  5.1　数字PID控制器的硬件架构设计
  5.2　各模块功能设计与实现
  5.2.1　控制模块的设计与实现
  5.2.2　加法器与乘法器设计与实现
  5.3　数字PID控制器的开环仿真
  第6章　基于BP神经网络的PID控制器的FPGA实现
  6.1　硬件架构
  6.2　各功能模块的设计及实现
  6.3　仿真实验及结果分析
  第7章　基于遗传算法的PID控制器的FPGA实现
  7.1　基于GA的PID控制器的硬件架构
  7.2　各个功能模块设计与实现
  7.2.1　控制模块设计与实现
  7.2.2　随机数模块设计与实现
  7.2.3　存储器模块设计与实现
  7.2.4　适应度模块设计与实现
  7.2.5　初始化模块设计与实现
  7.2.6　选择模块设计与实现
  7.2.7　交叉变异模块设计与实现
  7.2.8　存储模块设计与实现
  7.3　仿真实验及结果分析
  7.3.1　各模块的功能仿真
  7.3.2　基于遗传算法的PID控制器闭环仿真
  第8章　基于粒子群算法的PID控制器的FPGA实现
  8.1　粒子群算法运行参数的选择
  8.2　基于粒子群算法的PID控制器的硬件架构
  8.3　各功能模块设计与实现
  8.3.1　控制模块设计与实现
  8.3.2　存储器模块设计与实现
  8.3.3　全局最优模块设计与实现
  8.3.4　局部最优模块设计与实现
  8.3.5　惯性因子模块设计与实现
  8.3.6　速度位置更新模块设计与实现
  8.3.7　其他模块设计与实现
  8.4　仿真实验及结果分析
  附录
  附录A　主要算法的基本程序
  A.1　基于BP神经网络的PID控制器参数整定源程序
  A.2　基于小波神经网络的PID控制器参数整定源程序
  A.3　基于改进遗传算法的PID控制器参数整定源程序
  A.4　基于准对角递归神经网络多变量PID控制器参数整定源程序
  A.5　实数编码的粒子群算法源程序
  附录B　基于粒子群算法的PID控制器的FPGA实现源程序
  附录C　ModelsimSE的使用简介
  C.1　添加Altera仿真库的步骤
  C.2　功能仿真步骤
  参考文献