Algorithms for zeros of two accretive operators for solving convex minimization problems and its application to image restoration problems
บทความในวารสาร
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Kitkuan D., Kumam P., Padcharoen A., Kumam W., Thounthong P.
ผู้เผยแพร่: Wiley
ปีที่เผยแพร่ (ค.ศ.): 2019
วารสาร: Expert Systems: The Journal of Knowledge Engineering (0266-4720)
Volume number: 354
หน้าแรก: 471
หน้าสุดท้าย: 495
จำนวนหน้า: 25
นอก: 0266-4720
eISSN: 1468-0394
ภาษา: English-Great Britain (EN-GB)
ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์
บทคัดย่อ
A novel optimal proportional integral derivative (PID) autotuning controller design based on a new algorithm approach, the “swarm learning process” (SLP) algorithm, is proposed. It improves the convergence and performance of the autotuning PID parameter by applying the swarm and learning algorithm concepts. Its convergence is verified by two methods, global convergence and characteristic convergence. In the case of global convergence, the convergence rule of a random search algorithm is employed to judge, and Markov chain modelling is used to analyse. The superiority of the proposed method, in terms of characteristic convergence and performance, is verified through the simulation based on the automatic voltage regulator and direct current motor control system. Verification is performed by comparing the results of the proposed model with those of other algorithms, that is, the ant colony optimization with a new constrained Nelder–Mead algorithm, the genetic algorithm (GA), the particle swarm optimization (PSO) algorithm, and a neural network (NN). According to the global convergence analysis, the proposed method satisfies the convergence rule of the random search algorithm. With respect to the characteristic convergence and performance, the proposed method provides a better response than the GA, the PSO, and the NN for both control systems. © 2019 John Wiley & Sons, Ltd.
คำสำคัญ
Control System, Learning algorithm, Particle swarm, PID controller
ติดต่อสอบถามเพิ่มเติมได้ที่