首页|基于Q学习优化BP神经网络的BLDCM转速PID控制

基于Q学习优化BP神经网络的BLDCM转速PID控制

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高无刷直流电机(BLDCM)的工作稳定性,设计了一种基于Q学习算法优化的BP神经网络控制器(QBP-PID).QBP-PID利用BP神经网络(BPNN)对PID增益进行调节,并且引入Q学习的最优策略来修正权值动量项因子,优化BPNN中的关键权值,使得控制器具有更好的学习能力和在线修正能力.仿真结果表明:相比传统的PID、模糊PID (Fuzzy-PID)和BP神经网络PID(BP-PID),QBP-PID的自适应能力、抗干扰能力和鲁棒性更强.
PID control based on BP neural network optimized by Q-learning for speed control of BLDCM

王宏志、王婷婷、胡黄水、鲁晓帆

展开 >

长春工业大学机电工程学院,长春130012

长春工业大学计算机科学与工程学院,长春130012

吉林建筑科技学院计算机科学与工程学院,长春130114

控制理论与控制工程 无刷直流电机 PID控制器 BP神经网络 Q学习

国家自然科学基金吉林省发改委项目吉林省科技计划项目

618030442019C054-420200201009JC

2021

10.13229/j.cnki.jdxbgxb20200580

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(6)
  • 4
  • 5