蚁群算法优化BP神经网络在主汽温控制中的应用

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计了一种基于蚁群算法、BP神经网络的智能PID串级控制系统.采用蚁群算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调整,从而实现了对主蒸汽温度的动态控制.仿真结果表明：该系统在控制品质、鲁棒性方面都明显优于常规PID控制系统.     

基于ADRC-PID的超临界机组主汽温控制系统设计

针对超临界机组动态特性复杂、变参数的运行方式、多变量的控制特点,提出二级过热汽温主调节器采用自抗扰控制器(ADRC),副调节器采用PID控制的设计方法,从而构成ADRC-PID方法来控制超临界主汽温.同时采用600MW超临界机组为被控对象进行试验研究.试验结果表明,用ADRC-PID控制主汽温对被控对象模型的不确定性和...     

过热汽温改进CMAC神经网络控制

针对过热汽温大惯性、大滞后的动态特性及在电厂单元机组中的控制难点,同时鉴于常规CMAC神经网络自身的缺陷,将基于信任度分配的CMAC算法(CA-CMAC)应用于过热汽温系统的控制中,仿真结果验证了该控制方法较常规串级控制系统及过热汽温CMAC控制具有更快的收敛速度和准确性。     

金桥热电厂过热汽温控制系统分析及优化

通过增加燃烧量前馈、主汽压力前馈、摆动燃烧器前馈和4阶惯性减温器后汽温前馈,克服了过热蒸汽温度因机组负荷变化、燃料量变化、炉膛火焰中心变化等因素造成的扰动,解决了过热蒸汽温度系统原来存在的问题,取得了良好的控制特性。     

基于改进遗传算法的双向BP神经网络控制

针对因果系统提出一种双向神经网络,在相邻两层神经元之间建立反向连接,以直接把被控系统先前时刻的状态变量引入到网络中;设计了一种自适应调整遗传算法交叉率和变异率的规则;结合遗传算法和神经网络的优点,给出了一种基于遗传算法的双向神经网络控制方案,该方案兼有遗传算法的强全局搜索能力和神经网络的鲁棒性和自学习能力。仿真结果表明,该算法能使种群基因保持多样性,有效抑制了算法的早熟收敛;基于该算法的控制系统调整时间短、准确度高,具有良好的抗干扰能力,能满足实时性和稳定性要求。     

遗传算法优化BP神经网络的水泥窑温度预测模型研究

水泥窑内温度的控制效果直接决定水泥熟料的质量.由于回转窑煅烧具有大滞后、非线性、多变量等复杂特性,并且各个因素之间存在相互联系和不确定性,这给回转窑温度的控制带来了困难.本文利用BP神经网络建立回转窑温度预测模型,并利用遗传算法对模型进行优化,将优化前后的仿真结果对比后发现,使用遗传算法优化后的BP神经网络回转窑温度预...     

基于规则自寻优的过热汽温模糊控制

针对过热汽温大惯性、大延迟的动态特性及在电厂单元机组中的控制难点,根据规则自调整模糊控制算法,同时考虑误差和误差变化率对模糊控制的影响,采用全论域自修正因子函数实现了改进的模糊PID复合控制。同时在误差较小时设置阈值细调自修正因子,大大增加了系统的稳定性。仿真结果验证了该控制方法的有效性,对过热汽温的控制有一定的指导意义。     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法 (GA)和模糊神经网络控制器的结构进行了说明。为了克服反向传播算法 (BP)的缺点 ,通过遗传算法对模糊神经网络控制器的参数进行优化 ,亦即对模糊神经网络进行训练。用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象 ,仿真结果证实了其性能较常规模糊控制器优越。     

燃料电池基于改进遗传算法的多层前向神经网络控制

通过对熔碳酸盐燃料电池（MCFC）温度动态模型的分析,根据控制对象的非线性和参分布的特点,提出了基于遗传算法的反馈型多层向神经网络对顺流型MCFC温度进行控制的方案,通过对传统遗传算法的分析,提出了改进的遗传算法,用该算法对神经网络的权值进行优化,并给出了具体的学习算法,最后结合前人的MCFC模型动特性分析方面的工作和实验数据进行了仿真,结果表明这种控制方法是合理和用效的。     

基于神经网络的遗传算法优化及其应用

遗传算法是 1种模拟自然进化而提出的简单、高效的组合优化算法。研究了磷酸羟胺制备过程中羟胺反应效率的优化问题 ,该过程由于其反应动力学的固有复杂性而无法建模。表明结合神经网络理论 ,遗传算法可以有效地解决这一过程的寻优问题     

用BP神经网络和遗传算法优化电沉积Cu-W的工艺参数

用神经网络和遗传算法(BP-GA)优化电沉积Cu-W的工艺参数。结果显示:BP-GA预测结果与试验结果较接近,相对误差为9.05%,说明BP-GA优化电沉积工艺参数有较高的预测能力和准确度。     

基于智能算法的啤酒发酵温度过程控制

针对啤酒发酵温度控制过程的大惯性、大时滞及非线性等特点,将传统模糊PID控制算法进行优化并改进,提出了模糊PID智能控制算法,当偏差较大时采用响应速率快的模糊控制,偏差较小时采用多层神经网络PID控制算法。MATLAB仿真结果证实该控制算法提高了啤酒发酵温度控制过程的静态误差和动态响应速度,并且具有适应环境变化的学习能力。     

免疫遗传算法在胶乳聚合反应釜温度控制中的应用

提出一种免疫遗传算法优化的模糊神经元控制器,利用免疫遗传算法的全局搜索功能和神经元的自学习能力,提高了模糊控制器的控制精度和抗干扰能力.将该控制器用于胶乳聚合反应釜的温度控制,仿真结果表明该控制器可以有效地消除静态误差,并对聚合反应生产过程中的温度骤变有很好的鲁棒性,实际应用效果也表明了该方法的优越性.     

基于神经网络-遗传算法优化制氢工艺水碳比

根据某炼油厂制氢车间的生产数据,用人工神经网络(ANN)的反向传播(BP)算法建立了制氢装置转化生产中的水碳比神经网络预测模型,生产数据的检验表明,ANN方法能准确地关联和预报制氢装置转化生产中的水碳比,水碳比预测平均相对误差为2．83％;该神经网络预测模型用遗传算法优化并得到了最佳制氢工艺操作条件。     

基于RBF神经网络的遗传算法在织物染色配色中的应用研究

本文提出一种基于RBF神经网络的遗传算法解决织物染色配色问题的模型,该模型以遗传算法为主,通过使用RBF神经网络建立遗传算法的适应度函数来共同解决织物染色配色问题。通过实验表明,使用基于RBF神经网络的遗传算法配色模型可以快速提供满足企业要求的染色配方。     

基于神经网络和遗传算法的注射成型工艺优化

论述人工神经网络和遗传算法在塑料注射成型工艺优化中的应用,首先利用人工神经网络建立注射成型工艺参数与塑件翘曲量之间关系的数学模型,然后用遗传算法对工艺参数优化.其中由正交法设计得到实验样本,由数值模拟软件计算得到塑件翘曲量,将其作为优化目标.按优化后的工艺参数进行实验,获得较高质量的塑料制品,从而为建立和控制注射模工艺参数提供一种行之有效的途径.     

基于神经网络PID温度控制的热变形与维卡软化温度测定仪

针对热变形与维卡软化温度测定仪在高温段等速升温控制的误差问题,采用基于神经网络PID控制算法替代传统的PID控制算法,提高了等速升温的控制品质。介绍了神经网络PID控制算法和软硬件设计的有关问题。