多变量系统基于回归神经网络的预测控制

以罐式搅拌反应器为例 ,研究多变量系统基于神经网络的预测控制及改善控制性能的方法 .针对复杂多变量系统难以建模的问题 ,采用多层局部回归神经网络离线建立其预测模型 .在反馈校正中 ,考虑到控制准确性和实时性的要求 ,采用偏差补偿和模型修正相结合的方式修正神经网络的预测输出 .实验中 ,研究了改善控制性能的方法 ,得出 :对性能指标中的偏差项负指数加权 ,可大大加快系统的动态响应过程 ,并在一定程度上减少系统超调 .仿真结果表明控制算法有效 .     

多变量系统基于回归神经网络的预测控制

以罐式搅拌反应器为例,研究多变量系统基于神经网络的预测控制及改善控制性能的方法。针对复杂多变量系统难以建模的问题,采用多层局部回归神经网络离线建立其预测模型。在反馈校正中,考虑到控制准确性和实时性的要求,采用偏差补偿和模型修正相结合的方式修正神经网络的预测输出。实验中,研究了改善控制性能的方法,得出：对性能指标中的偏差项负指数加权,可大大加快系统的动态响应过程,并在定程度上减少系统超调、仿真结果表明控制算法有效。     

基于Tchebycheff正交神经网络的非线性多步预测控制

针对多变量非线性系统 ,提出了一种基于 Tchebycheff正交神经网络的多步预测控制方案 ,采用 Tchebycheff正交神经网络离线建立预测模型 ,并以偏差补偿和模型修正相结合的方式对预测模型进行误差补偿 ,经在线校正用于预测控制。同时对性能指标中的偏差项和控制项加权 ,进一步改善预测控制性能。仿真结果表明了控制算法的有效性     

误差补偿和时滞辨识预测控制算法

通过神经网络辨别出非线性系统的滞后时间,并采用误差补偿手段对神经网络进行修正,控制系统的反馈取自不带时滞的非线性神经网络的输出,采用预测控制策略改善整个系统的控制性能。仿真实验表明该方法具有较快的响应速度和较强的自适应性与鲁棒性,能有效克服延迟和干扰给控制品质带来的不利影响,取得了良好的控制性能。     

模糊与神经网络相结合的控制方法

介绍了一种模糊与神经网络相结合的控制方法,借以克服模糊控制存在稳态偏差的不足和神经网络对小偏差信号不敏感的缺陷。对复杂的具有大惯性、大迟延热工对象的仿真研究表明,该控制方法较其它控制方法不仅改善了系统的动态性能,并在一定程度上克服了热工对象的时变对控制效果影响。     

多载波DS-CDMA系统中的反向预测功率控制

摘　要:反向闭环功率控制算法在移动台高速运动的衰落信道情况下,功率控制将会带来较大的偏差,这里根据多载波DS CDMA系统反向链路功率控制命令帧的结构,提出了预测功率控制算法.该算法可以对多载波DS CDMA系统中的每个子载波信道的信道条件进行估计,提前预测出每个子载波信道下一个信号接收功率和信号的衰落,并以此为基础形成功率控制命令,对每个子载波信道的衰落进行补偿,从而减小基站接收功率的变化.仿真结果表明,预测算法能够有效改善系统的误码率性能,提高系统容量.     

基于神经网络预测节能中央空调控制策略

由于传统中央空调具有大滞后、大惯性、非线性特性,造成常规控制方法下系统供给的能量与负载所需能量不匹配,使得中央空调与使用环境能量供求不平衡,浪费了大量的电能.针对中央空调的控制特性,提出了一种基于神经网络技术的预测控制方法,将Elman神经网络预测器和神经网络控制器有机结合,通过预测未来能量需求,实时调节控制策略,使系统所需能量和空调输出能量达到匹配.采用Elman神经网络预测器和神经网络控制器有机结合的控制方法,使系统具有良好的动态性能和稳态性能,节能效果显著.采用神经网络预测型节能中央空调,可有效控制中央空调与使用环境能量供求的关系,为降低智能建筑能耗提供了可靠的保障.     

基于Internet的远程控制中网络延时的探讨

为解决基于Internet的远程控制中的网络延时及不确定的问题,在系统中设计补偿器结构,并提出使用RBF神经网络预测延时的方法,来保证系统的稳定性,改善系统的整体性能.仿真分析表明,采用补偿器结构和RBF神经网络预测延时的方法是有效的.     

预测控制在中央空调净化系统中的应用

针对常规PID控制在非线性、大惯性系统中存在滞后、精度低等弱点,构建了神经网络与预测算法相结合的控制系统.采用预控算法,充分利用预测控制的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型,实现了对大滞后系统的自适应控制,具有实时控制和预测性能,有效地提高了控制精度和可靠性,增强了稳定性.现场运行结果表明,在空气净化器系统中使用该方法效果良好,易于推广.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.