共查询到18条相似文献,搜索用时 218 毫秒
1.
2.
BP神经网络模型预测控制算法的仿真研究 总被引:1,自引:1,他引:0
为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。 相似文献
3.
提出了基于小波变换的非线性广义预测控制算法。预测模型采用Hammerstein模型,对于其静态非线性部分采用小波网络来辨识,动态线性部分用最小二乘法来辨识。这种辨识方法比传统的多项式拟合的模型误差要小得多。基于这种预测模型广义预测控制器弥补了传统广义预测控制的模型失配问题。以CSTR为例对所设计的控制器进行仿真研究,结果表明控制器能够取得良好的控制效果。 相似文献
4.
神经网络PID速度控制器的研究 总被引:1,自引:0,他引:1
本文提出了一种基于神经网络的PID控制器。利用递推最小二乘法在线整定PIDC 克服神经网络BP算法收敛速度慢和可能出现的局部最小,仿真研究表明,这种PID控制器参数整定方便,控制精度高,跟随特性好,抗干扰能力强。 相似文献
5.
模块化反步自适应大机动飞行控制 总被引:1,自引:0,他引:1
针对飞机大机动飞行时模型非线性和参数不确定性的特点,提出一种输入状态稳定反步自适应控制的模块化设计方法.基于模块化设计思想,设计一个输入状态稳定的反步控制器,保证在输入有界情况下系统状态的有界特性.基于最小二乘算法设计参数自适应律和滤波器的辨识器模块,保证独立于输入状态稳定控制器之外的参数误差及其导数有界,并利用一种基于免疫克隆原理的改进粒了群算法优化固定参数,改善动态性能.仿真结果表明了所提出算法的有效性. 相似文献
6.
针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性. 相似文献
7.
8.
针对使用永磁同步电机作为执行机构的高精度交流调速系统中存在负载惯量时变、转矩扰动和未建模动态的情况,利用带遗忘因子的递推最小二乘算法(FRLS)在线辨识系统时变参数,通过扩张状态观测器(ESO)观测参数辨识误差和未建模动态等非线性因素,设计一种集 PI 控制器、基于 FRLS 的补偿器、基于 ESO 的补偿器和鲁棒控制器的复合速度控制器,并分析了闭环调速系统的稳定性.仿真结果验证了该复合速度控制器的有效性. 相似文献
9.
基于T-S模糊模型的神经网络的系统辨识 总被引:4,自引:4,他引:4
基于T-S模糊模型,提出了利用神经网络实现非线性系统的辨识。首先,利用一种无监督的聚类算法分析输入输出数据生成初始的结构模型,确定系统的模糊空间和模糊规则数,构造神经网络辨识模型前提参数,使前提参数自适应变化,有较好的自学习能力和优化能力,采用最小二乘法取得结论参数。仿真结果验证了该方法是有效和可行的。 相似文献
10.
11.
基于小波网络的非线性系统建模与控制 总被引:6,自引:2,他引:4
提出了种基于小波网络的非线性系统的建模和控制方法。使用小波网络对未知控制系统建立一步预测模型,基于Dsavidon最小二乘法得到自适应控制律。小波网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Davidon最小二乘法来获得。仿真结果表明了该方法的有效性。 相似文献
12.
13.
Neural networks are relatively new and highly attractive tools for modelling complex systems. The main feature of neural networks is their inherent plasticity which enables them to fit virtually any nonlinear function provided they have a sufficient number of parameters. Neural networks are a general class of nonlinear systems. Neural models can be used advantageously to model the dynamic behaviour of physical processes. In this paper, feedforward neural networks are used for modelling of dynamic thermal processes. The synthesis of neural networks is directly associated with the minimization of an objective function normally defined as the square of the difference between the output of the process being modelled and the output predicted by the network. Learning schemes are used for the evaluation of the connection weights of the feedforward neural network. In this paper, the dynamic modelling of several thermal processes using feedforward neural networks is presented. In one example, the identified neural model of the inverse of the plant is used as a controller. 相似文献
14.
15.
16.
基于多模型切换的智能主动容错控制方法研究 总被引:2,自引:1,他引:1
针对某些具有可能故障先验知识的非线性系统,采用主动容错控制方法,基于神经网络对系统正常及各种先验故障情形建模,并采用基于神经网络的PID控制方法离线整定出各种故障模式下的控制律,由此建立模型库;在系统实时运行时,依据系统性能容忍度指标和模型失配度指标的计算分析,判断系统所处运行模式,切换与该模式匹配的控制律,从而达到系统主动容错控制的目的.最后将所提出的主动容错控制方法应用于某一非线性系统和线性系统,仿真结果表明了方法的有效性. 相似文献
17.
18.
基于神经网络的多变量发酵过程自适应控制 总被引:8,自引:0,他引:8
运用非线性系统的线性化方法与神经网络在线辨识技术,提出了一种基于神经网络
的多变量自适应控制策略.提出的控制策略,当过程模型缺乏足够的先验知识时,对多变量
非线性连续发酵过程取得了良好的控制性能.仿真结果表明,提出的自适应控制方法能够适
应过程模型的不确定性和参数的时变性,具有较强的鲁棒性.并且通过对比分析得出,基于
微分几何理论的输入输出线性化解耦控制方案,由于控制器的设计依赖于过程模型,对模型
参数的变化很敏感,应用在发酵过程的非线性控制中,控制精度较低,鲁棒性较差. 相似文献