基于动态惯性权重的电子节气门改进PSO-BP优化控制

针对汽车电子节气门系统存在的动态迟滞非线性问题，提出一种模糊神经网络PID控制器的设计方法。该控制器将动态调整惯性权重的粒子群优化算法和BP算法结合来优化模糊神经网络参数，修正模糊神经网络在寻优过程中收敛缓慢、易陷入局部最小值的不足。利用模糊神经网络的自学习能力，对PID控制器参数进行整定。仿真结果表明，经过优化后的模糊神经网络PID控制器相比于模糊PID控制器在响应时间、超调量和振荡次数等方面都有显着提升。在模拟气流扰动工况施加扰动信号后，该控制器表现出良好的抗干扰性能。在电子节气门响应试验中，节气门响应曲线存在轻微超调，但稳态误差较小，表明该控制方法下电子节气门具有良好的动态响应特性。