基于粒子群算法的PID控制器优化

一本关于最新的粒子群方面的文章集，里面包括了一些对粒子群的改进和新的应用，较好的反应了粒子群的研究现状！

对粒子群算法的代码进行编写，简单介绍了算法的每步代码的意思

matlab平台下的粒子群和混沌搜索的协同优化算法，程序可以成功运行。

本资源为基于PID的温度控制系统，有软件代码和硬件原理图

使用RBF神经网络对PID三个参数进行校准

提出了一种采煤机摇臂传感器优化布置方法。利用有限元法对摇臂进行分析,得到谐响应分析结果,根据板壳功率流理论,运用ANSYS后处理程序计算出摇臂壳体上振动功率流的分布,根据功率流分析的结果判断出摇臂振动

附件介绍了两种混合智能算法，粒子群算法-遗传算法可以保证在算法全局搜索能力的基础上提高收敛速度。

五. 计算举例2 简单分析 Rosenbrock是一个著名的测试函数也叫香蕉函数其特点是该函数虽然是单峰函数在[100100]n上只有一个全局极小点但它在全局极小点临近的狭长区域内取值变化极为缓慢常用

神经网络PID控制作为一种重要的控制方法，已经被广泛应用于各种工业领域中。而粒子群优化算法则是近年来非常流行的一种优化算法。本文结合两者，探讨了粒子群优化思想在神经网络PID控制中的应用。通过实验数据

粒子群优化算法(PSO)最初是由Kennedy和Eberhart博士于1995年受人工生命研究的结果启发，在模拟鸟群觅食过程中的迁徙和群集行为时提出的一种基于群体智能的演化计算技术。