共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
针对火电厂锅炉水质调节过程的大时滞时变特性,常规控制算法控制效果不好的问题,本文提出了基于BP神经网络的Smith-PID鲁棒自适应控制算法,利用BP神经网络的任意非线性表达能力和很强的自学习能力,在线自学习整定PID参数,被控对象不需要精确辩识,控制器参数跟踪被控对象自适应调整,克服了常规PID算法不适用于大时滞过程控制和常规Smith预估补偿控制对模型不确定性敏感的缺陷.MATLAB仿真表明,本文控制算法的静态特性、动态品质良好,鲁棒性强. 相似文献
3.
BP神经网络中自适应学习率的研究 总被引:9,自引:0,他引:9
l引言~[1] 图1是一个典型的三层神经网络BP算铸示意图.Z是输入向量,Y是隐层输出向量0是网络输出向量,V及W分别为层间权向量。逆传播(Backprop- 相似文献
4.
针对自适应遗传算法容易陷入局部最优值的问题,提出了改进的自适应遗传算法,并将改进的自适应遗传算法应用于神经网络权值学习和训练中。提高网络的处理能力。 相似文献
5.
6.
7.
基于动态递归神经网络的自适应PID控制 总被引:1,自引:1,他引:0
提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。 相似文献
8.
基于神经网络的模糊自适应PID控制方法 总被引:51,自引:0,他引:51
提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点,既具有模糊控制的简单和有效的非线性控制作用,又具有神经网络的学习和适应能力,同时具备PID控制的广泛适应性,仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。 相似文献
9.
针对电磁骚扰测试转台的特殊要求,设计出一种利用神经网络自适应控制的测试系统,并提出一种基于PID型的二阶BP快速学习算法。试验结果表明,应用此控制方法可以实现电磁骚扰测试转台系统响应速度快、超调量小、控制效果好及抗干扰能力强的优点。该方法具有一定的实用意义和经济价值。 相似文献
10.
为了解决传统BP (Back Propagation)神经网络收敛较慢的问题,通过BP神经网络搭建火点预测模型,采用一种自适应学习率的方法改进BP神经网络,经比较该算法收敛较快,模型输出可达到预期效果.同时利用现场可编程逻辑门阵列(FPGA)的动态可重构技术实现了改进后的神经网络,通过仿真和结果测试,该设计在预测结果的基础上又大大减少了预测时间,为环保预测、检测轨迹规划提供了一定的理论基础. 相似文献
11.
12.
基于模糊神经网络的模型参考自适应控制 总被引:11,自引:0,他引:11
用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化. 相似文献
13.
14.
基于神经网络的非线性多模型自适应控制 总被引:1,自引:0,他引:1
针对一类非线性离散动态系统,设计了一个自适应控制方案。为了保证在任意时刻均能为被控的动态系统选择最好的控制器,方案基于输入输出数据为系统定义一个线性预测模型,并在此基础上设计能够保证闭环系统所有信号有界的线性鲁棒自适应控制器,同时定义一个非线性预测模型,再基于径向基神经网络设计一个旨在提高系统控制性能的非线性自适应控制器。通过比较2个控制器预测的系统输出性能,设计合理的开关切换规则。控制方案能将系统稳定性控制和性能优化的控制分离并单独实现,使得系统能在保证稳定性前提下,借助神经网络控制器良好的追踪能力有效提高自适应控制效果。最后通过仿真例子说明了系统稳定和提高输出追踪效果可以同时得到保证。 相似文献
15.
基于FNN的滑模自适应控制 总被引:2,自引:0,他引:2
研究一类不确定性非线性系统的直接自适应控制方法。该方法由滑模控制器和模糊神经网络构成,通过平滑切换实现自适应控制策略。仿真结果表明,这种方法既有强鲁棒性,又能有效地消除高频颤动。 相似文献
16.
基于神经网络的一类非线性系统自适应H∞控制 总被引:6,自引:0,他引:6
基于神经网络提出一种自适应H∞控制方法。控制器由等效控制器和H∞控制器两部分组成,用神经网络逼近未知非线性函数,H∞控制器用于减弱外部及神经网络逼近误差对跟踪误差的影响。所设计的控制器不仅保证了闭环控制系统的稳定性,而且使外部干扰及神经网络逼近误差对跟踪误差的影响减小到预定的性能指标。 相似文献
17.
18.