您当前的位置：
首页 >
文章列表页 >
基于Q学习优化BP神经网络的BLDCM转速PID控制
通信与控制工程 | 更新时间：2025-05-26
上一篇|下一篇

    • 基于Q学习优化BP神经网络的BLDCM转速PID控制

    • PID control based on BP neural network optimized by Q⁃learning for speed control of BLDCM

    • “在无刷直流电机控制领域，研究者设计了QBP-PID控制器，通过Q学习优化BP神经网络，提升了控制器的自适应和抗干扰能力。”
    • 王宏志 ，王婷婷 ，胡黄水 ，鲁晓帆
    • 吉林大学学报（工学版） 2021年51卷第6期 页码：2280-2286
    • 作者机构：

      1.长春工业大学 机电工程学院，长春 130012

      2.长春工业大学 计算机科学与工程学院，长春 130012

      3.吉林建筑科技学院 计算机科学与工程学院，长春 130114

    • 作者简介：

      王宏志（1961-），男，教授，博士生导师. 研究方向：数字信号处理及智能控制.E-mail：wanghongzhi@ccut.edu.cn

      胡黄水（1974-），男，教授，硕士生导师. 研究方向：无线传感器网络及电机控制. E-mail：huhs08@163.com

    • 基金信息：
      国家自然科学基金项目(61803044);吉林省发改委产业技术研究与开发项目(2019C054-4);吉林省科技计划项目(20200201009JC)

    • DOI： 10.13229/j.cnki.jdxbgxb20200580     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 7 ) 表( 1 )

  • 参考文献

  • 出版信息

  • 数据统计

193

浏览量

23

下载量

4

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

集成参数辨识的车辆动力学自适应模型预测控制
基于分布式模型预测的商用车队列避障控制
基于UniTire轮胎模型的车辆稳定性控制
基于自适应观测器的氢内燃机排气流量估计
基于电机转矩补偿的增程器转速波动抑制策略

相关作者

赵婧
李英
彭程
王德军
谢华城
李文博
于树友
林宝君

相关机构

中国第一汽车集团有限公司
吉林大学 通信工程学院
同济大学 电子与信息工程学院
重庆邮电大学 工业物联网与网络化控制教育部重点实验室
吉林大学 通信工程学院