共查询到20条相似文献,搜索用时 93 毫秒
1.
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
2.
3.
4.
基于混合神经网络的非线性预测函数控制 总被引:6,自引:1,他引:5
针对基本预测函数控制只能用于线性对象的控制这一不足,提出了基于混合神经网络的非线性预测函数控制.混合神经网络由BP网络和线性神经网络串连组成.采用混合神经网络对可用Hammerstein模型描述的非线性对象进行有效的辨识.其中,BP网络反映了非线性静态增益,线性神经网络反映了线性动态子系统.利用BP网络求出非线性静态增益的逆并与非线性对象串联,抵消非线性对象中的非线性静态增益部分,将非线性对象的控制问题转化为对线性对象的控制问题,实现了对非线性对象的预测函数控制.当被控对象的特性发生变化时,可对混合神经网络权值及时进行修正并调整控制器参数使控制系统始终保持良好的控制性能.仿真结果表明,此控制系统具有良好的控制效果. 相似文献
5.
研究工业过程控制系统补偿问题,对于一类模型未知的SISO非线性系统,传统的控制方法不能获得被控系统的精确数学模型,因而在系统稳定性和鲁棒性上存在缺馅,控制效果不佳。为了提高被控非线性系统的稳定性和鲁棒性,提出了一种基于BP神经网络的自适应补偿控制方法。首先,通过逆系统理推导了被控系统输出和伪控制量之间的误差,然后误差进行在线自适应BP神经网络补偿,从而实现对被控系统的BP神经网络自适应补偿控制,且采用Lyapunov理论证明BP神经而网络的收敛性和闭环系统的稳定性。计算机仿真表明所提方法明显提高了非线性系统的鲁棒控制性能。 相似文献
6.
7.
8.
9.
基于遗传算法的动态神经网络的建模与应用 总被引:1,自引:0,他引:1
本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法。另外,将采用遗传算法进行训练的改进ELMAN网络应用于非线性系统的辨识和建模。通过仿真和在汽车磷化加热系统建模中的应用进一步说明了该方法用于高阶次非线性系统建模的可行性。 相似文献
10.
11.
阐述了一种以自调整模糊控制算法为核心的液体温度双模态控制系统。该系统采用了两种控制模式,能够对液体温度进行高精度的实时控制,通过软件的参数设定,可以按既定的控制曲线实现匀速降温、升温和恒温等多种温度控制要求。根据不同的控温阶段,采取不同的控温模式:在控温精度要求低的阶段,采用开关控制模式,以节省控制时间;在控温精度要求高的阶段,采用自调整模糊控制模式,以得到很高的控制精度。应用本系统构建高精度的测试环境,取得了很好的效果,且具有一定的通用性。 相似文献
12.
13.
14.
针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量. 相似文献
15.
气候环境实验室是一个复杂的热力系统,室内温度参数受多种因素的影响.通过分析气候环境实验室仓体、空调系统热交换器、温度传感器和调节阀的特性,推导出它们的传递函数,利用Matlab/Simu-link建立环境室温度控制系统的模型,根据临界比例度法整定PID参数,并对常规PID控制器和积分分离PID控制器的控制效果进行仿真比较.仿真结果表明该模型和温度控制系统在理论研究和工程实践中具有实际的指导意义和应用价值. 相似文献
16.
针对常用温度测量均需要复杂的外围硬件设备而提高硬件成本的问题,研究实现一种具有温度预测功能的嵌入式系统;该系统利用温度预测模型算法间接地测量控制线圈的温度变化,这不仅提高了温度测量的灵活性,而且降低了系统硬件电路的制造成本;结果表明,该系统有效地测量出线圈的温度,运行稳定可靠,对线圈的耐温性诊断具有一定的实用性和推广价值。 相似文献
17.
Hidetoshi Wakamatsu Takuya Wakatsuki Tomohiko Utsuki 《Artificial Life and Robotics》2007,11(2):183-189
The automatic control system for brain tissue temperature is studied theoretically for brain hypothermia treatment. In order
to realize a human-friendly control mechanism, an automatic temperature regulation system is constructed to simulate brain
hypothermia treatment by introducing a fuzzy algorithm for possible characteristic changes in patients. The brain temperature
model is successfully realized to follow the desired temperature course automatically. The model reference fuzzy control of
brain temperature based on water-cooling blankets is verified for clinical application to brain hypothermia treatments through
various kinds of simulation experiment.
Partly presented at the 16th IFAC World Congress, Prague, July 2005 相似文献
18.
19.
电网在运行过程中,换流阀等关键设备会不断产生热量,当设备的热量不断聚集温度不断上升,会影响设备的稳定性和安全性,保证换流阀等关键设备稳定运行就显得至关重要.阀冷系统作为冷却系统的关键设备,以热导性较高的水为介质,将设备的热能带出,达到降低设备温度的目的.可以通过监控冷却水的温度、压力技术指标来确保换流阀安全、稳定运行.选取阀冷系统中的进阀温度为主要预测指标,对系统的历史数据进行充分的挖掘和分析,达到对电网运行状态预估的目的.将传统时序模型与机器学习结合提出ARIMA-SVM的混合模型,并与传统的ARIMA模型、SVM模型和GRU神经网络模型对中国南方电网的真实阀冷数据进行时序分析预测并进行对比实验.实验结果表明,ARIMA模型、SVM模型、GRU神经网络模型和ARIMA-SVM混合模型都可以较好地预测进阀温度的变化趋势,但ARIMA-SVM混合模型在均方根误差、均方误差和平均绝对误差3个评价指标上表现均更优于其他3个模型,能够进一步提升进阀温度预测的精度. 相似文献
20.
考虑到磁致伸缩液位传感器在温差变化大的环境中温漂现象严重,且产生温漂的多种因素与温漂的程度呈非线性关系,难以用数学模型表达等问题,建立基于改进型ANFIS的温度补偿系统。该系统采用附加动量算法不断修正ANFIS中的前题参数以避免采用梯度下降算法时易陷入局部极小,训练速度较慢等缺点,提高系统的忽略网络中微小变化的能力。为了验证该温度补偿系统的性能,将其与基于PSO-LSSVM模型和基于BP神经网络的温度补偿系统相比较。分析与实验结果表明,改进型ANFIS模型的温度补偿的最大误差为0.88%,平均误差为0.65%,远小于另外两种补偿方法。使用了改进型ANFIS的温度补偿方法具有较强的泛化能力,能够有效消除温度对磁致伸缩液位传感器的影响。 相似文献