首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
智能辨识技术在电站仿真系统中的应用   总被引:1,自引:0,他引:1  
大型火力发电厂中的锅炉,汽轮机等系统都是不确定,非线性复杂大系统,其电站仿真器中模型的实现往往也要求多层次,多样化,多途径。本文提出了系统仿真模型化智能辨识的概念,并分析其在电站系统仿真中应用的可行性,然后展望智能技术在系统仿真中的应用前景。  相似文献   

2.
本文较全面系统地综述了各种类型的分布参数工业系统模型化和仿真技术及其特点。按照在线、离线和数字、模拟、混合仿真的不同要求,研究和提出了基于机理模型的九种精确的动态仿真方法,这对解决复杂的分布参数工业过程控制问题有重要意义。上篇主要讲模型的建立,下篇为分布参数系统仿真。  相似文献   

3.
提出了一种面向工业过程的可视化建模辨识平台的设计和实现方法.该平台加载了多种辨识算法,并使用OPC技术和各类工控系统进行数据交互,以实现对复杂工业系统的动态特性测试.基于输入输出数据,获得系统的参数模型或非参数模型.对实际工业对象建模辨识的结果,表明该平台大大提高了建模的效率和精度.  相似文献   

4.
多模型小波网络非线性动态系统辨识   总被引:1,自引:0,他引:1  
由于许多复杂的工业系统具有非线性特性,难以建立确切的数学模型,因此提出用 多模型小波网络辨识非线性动态系统,并给出了辨识结构和训练算法.仿真实验比较了多模型小波网络与单小波网络在辨识非线性系统时性能上的差异,验证了该方法收敛速度快,抗干扰能力强,具有较高的逼近精度.  相似文献   

5.
RBF神经网络的PID控制研究与仿真   总被引:3,自引:2,他引:1  
研究工业控制系统优化问题,由于工业控制领域中存在复杂非线性时变系统,很难确定精确模型.传统PID控制局限于线性系统,控制效果不理想.为了提高控制精度,提出一种RBF神经网络辨识的PID控制方法.首先利用RBF神经网络线辨识被控对象的离散模型,获得PID参数在线调整信息,然后利用单神经元对控制器参数进行在线自适应整定,从而实现系统的智能控制.通过实例进行验证,并与传统PID控制方法进行对比,结果表明控制方法具有响应速度快、控制精度高等优点,且具有较强的自适应性、鲁棒性和抗干扰能力,为控制系统设计提供了新方法.  相似文献   

6.
自适应模糊辨识及其在大系统中的应用*   总被引:4,自引:0,他引:4  
本文基于T-S模糊模型构造了一种新的自适应模糊神经网络,给出了网络诉连接结构物学习算法,它能自动学习和修正前件参数及模糊规则,将其用于大系统随机民递阶优化的控制建模中,仿真结果表明,该方法具有收敛速度快,辨识精度高、泛化能力强等特点,可当作复杂大系统建模的一种有效手段。  相似文献   

7.
一种新的复杂系统模糊辨识方法   总被引:5,自引:0,他引:5  
针对一阶Takagi-Sugeno模型辨识复杂系统的困难,提出一种新的模糊模型.这种模 型的结构在一阶Takagi-Sugeno模型的基础上,再进行一次非线性映射.文中运用卡尔曼滤 波算法的模糊神经元网络实现了这种模型.仿真结果表明该方法辨识精度高,且有良好的 实用性.  相似文献   

8.
基于模糊神经网络的非线性系统模型的辨识   总被引:11,自引:0,他引:11  
翟东海  李力  靳蕃 《计算机学报》2004,27(4):561-565
该文提出一种非线性系统的模型辨识方法.利用关系聚类法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数,在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络,得到一个精确的模糊模型,从而实现参数辨识,通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。  相似文献   

9.
基于拟非线性模糊模型的复杂系统模糊辨识   总被引:1,自引:0,他引:1  
针对一阶Takagi-Sugeno(以下简称T-S)模型辨识复杂系统的困难,本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上,再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度,而且具有良好的泛化功能。运用改进的FCM(Fuzzy-C-Means)模糊聚类方法,辨识该模糊模型的结构,与以往的方法比较,极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。  相似文献   

10.
分析和确定动态数学模型的结构是系统辨识的一项艰巨而重要的任务,本文提出了一些用以分析和确定模型结构的相关分析技术,该技术具有易于掌握,使用简单的优点,并在垃圾焚烧炉这一复杂系统的建模中的得到应用。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号