模糊控制在循环水加药联合处理系统中的应用研究

针对火电厂循环水被控对象为纯滞后、大惯性和受环境温度影响明显等特点,将模糊控制算法引入循环水加药联合处理控制系统,与原有常规PID控制系统进行实际运行比较,结果表明该系统不仅能有效地避免大滞后环节在控制系统中带来的振荡现象,而且能够克服环境温度对控制系统的干扰,取得了理想的控制效果。     

双前馈无模型自适应控制在混凝加药中的仿真

水厂混凝加药过程具有非线性、时滞性等特点,并且影响加药后混凝效果的因素很多,很难准确地建立反应过程的数学模型.无模型自适应控制(MFAC)是一种不需要离线建立数学模型的先进控制方法,非常适用于实际的模型参数难以辨识,且是时变的非线性系统.针对混凝加药过程的特点,提出了带有双前馈无模型自适应控制方案来实现混凝加药过程的仿真.仿真结果表明该方法在混凝加药控制过程具有鲁棒性强、响应速度快和控制精度高的优点.     

基于WNN的两种优化结果在预测控制中的应用*

从优化小波神经网络的角度出发,对两种优化模型从理论上进行建模与推导;根椐预测控制的特点,提出离散小波神经网络模型GA分层优化方法及广义小波神经网络模型优化方法与预测控制相结合的新的应用途径.仿真结果证明了该方法的有效性和可行性,能使实际工程中的预测控制结果得到优化.     

智能网络控制器在水处理中的研究与应用

针时水处理过程中混凝剂的准确投加,以及投药过程中的时滞、网络延迟等问题,采用基于网络学习控制的智能控制算法来改进投药控制系统.用远程专家系统和自学习BP神经网络复合算法的优点,即专家系统的前馈补偿能力解决流量、浊度突变、延迟等干扰因素;神经网络的非线性映射能力解决水处理非线性影响;滚动学习和反馈学习来解决时变、时滞等问题.该算法较好地解决了网络延迟造成的系统性能下降问题,加快了神经网络的训练速度.将该算法应用于水厂自动化系统,可以实现最佳投药量控制,水质符合标准,并取得良好的经济效益.     

神经网络预测控制在中央空调水系统控制中的应用

针对中央空调水系统的非线性、大迟延、大惯性等特点,分析了现有的控制方法在中央空调水系统控制中存在的问题;文章将神经网络与预测控制相结合直接应用于非线性大延迟的中央空调控制系统,该控制方法克服了单纯PID控制对大迟延大惯性对象调节品质差、抗干扰性弱的缺点,神经网络预测控制还有效地补偿了传统预测控制基于线性模型的局限性;工程实例表明,该算法具有优良的控制性能,有利于工程实现。     

模糊神经网络预测控制在配料系统中的应用

针对水泥生产过程中皮带配料系统的惯性、滞后、非线性及现场干扰频繁等特点,设计一种模糊神经网络预测控制算法,将模糊控制、神经网络与预测控制相结合,增强算法的自学习、跟踪与抗干扰能力,神经网络预测模型有效地补偿了传统预测控制基于线性模型的局限性.将该控制算法用于皮带配料控制系统中,仿真结果表明,物料流量控制效果优于传统的P...     

小脑模型神经网络在紫外线消毒控制中的应用

在用微机控制紫外线消毒的过程中,需要根据电源电压计算出紫外线照射时间,由于这两者之间的非线性关系难以用明确的函数描述,因此,笔者研究了一种用改进的小脑模型神经网络进行映射的方法,取得了很好的效果。该文重点阐述了该小脑模型神经网络的算法、应用原理和方法。并对研制该装置的意义和装置的简要原理及实验、试用情况等做了简要介绍。     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针时纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法.这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性.     

BP神经网络在配料系统故障诊断中的应用

利用BP神经网络的自适应,自学习和对非线性系统超强的分析能力等特点,将其应用到橡胶配料系统中,有效的实现了配料系统的故障诊断,填补了国内在配料系统故障诊断应用上的空白,对其他行业也有一定借鉴作用.     

灰色神经网络在股价预测中的应用研究

股票价格受多种因素的综合影响,具有趋势性、较大波动性和随机性等变化特点,单一模型难准确对其变化规律进行准确描述,将灰色理论和BP神经网络相结合构建一种股票价格组合预测模型。采用灰色GM（1,1）预测模型动态预测股票价格变化趋势,运用BP神经网络对灰色GM（1,1）模型预测结果进行修正,以提高股票价格预测精度。采用ST东北高（600003）股票价格对预测模型性能进行测试,结果表明,组合预测模型提高了股票价格的预测精度,更能挖掘股票价格变化规律。     

自适应人工神经网络电机控制器设计

提出了一种自适应人工神经网络无刷直流电动机(BLDCM)转速控制器设计方法;针对传统PID调节器难以应对系统超调和短时振荡等问题,提出了一种结合人工神经网络和传统PID控制的新方法;首先建立了(BLDCM)的本体数学模型,在此基础上描述了将人工神经网络和PID控制相结合的模型,并对具体的控制算法进行了定义;最后,使用Matlab仿真工具对BLDCM控制实例进行了仿真;实验结果表明,结合人工神经网络和PID控制器的新控制方法具有响应快、鲁棒性强以及控制精度高等优点,很好地抑制了超调和振荡。     

基于神经网络的软测量技术

本文对基于人工神经网络的软测量技术进行了综述与分析,给出了基于神经网络软测量技术摹一般步骤以及开发过程中需要注意的问题。     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度。     

基于人工神经网络预测控制的交通信号调度

在传统的交通信号控制中,信号的变化周期一般是固定的,由于车流量随时间的不确定性,引起了道路负荷的不均衡,容易造成道路拥塞或闲置现象。对基于人工神经网络的预测控制算法进行介绍。根据预测结果对整个路况进行决策判断,实现交通灯信号周期的自适应调节,从而实现交通流量的负荷均衡。根据城市交通系统的特点,设计一个基于神经网络的单个交叉路口的交通灯预测控制系统,得出相关不同时间段内的交通灯控制周期。分析表明,该方法能有效提高车辆通行效率,增强道路的吞吐能力。     

基于神经网络的PID自整定控制系统

文章介绍了一种应用神经网络技术建立的PID自整定控制系统,给出了系统结构,详细分析了BP神经网络和RBF神经网络的结构和学习算法。该系统采用3层BP神经网络,其输出为PID控制器的参数;通过变结构的RBF神经网络辨识控制对象,将得到的输出对输入的梯度信息提供给BP神经网络,BP神经网络根据该信息优化PID控制器参数。仿真结果表明,该系统对于参数扰动较大的非线性系统,其收敛速度快、动态响应能力强、稳定性好,且具有较强的鲁棒性和适应性。     

人工气候室照度神经网络控制系统的研究

人工气候室光照系统具有复杂的非线性,不确定性,滞后性,常规控制难以达到较好的效果。针对这一问题,采用神经网络的PID控制,可实现对系统的在线辨识和控制;为克服局部最小问题。采用遗传算法时神经网络权阈值进行优化。仿真结果表明,该系统控制效果好,稳态精度高,响应较快,动态性能好,超调量较小,完全满足控制要求。     

基于人工神经网络的配电网距离保护方法研究

基于神经网络技术提出了一种新的配电网距离保护方法,用于提高距离继电器在配电网中抗开路故障的性能。给出了保护方法的详细数学模型。该方案采用的人工神经网络结构简单,只需离线训练,不会对距离继电器的工作时间造成大的时延,也不需要特殊的通信辅助手段。测试结果表明,采用该方案的距离继电器不仅能够检测电网线路中的开路情况,而且无论故障前的电流负载如何,都能够定位故障位置,验证了所提方法的有效性。     

基于神经网络的树脂浓度控制

提出了利用人工神经网络学习能力强的特点 ,构建一个树脂浓度的在线软测量模型 ,从而实现了对某生产过程聚合工序出料树脂浓度的检测和控制。仿真结果表明了本方案的优越性和可行性。     

基于人工免疫网络的神经网络集成方法

提出基于人工免疫网络的神经网络集成方法AINEN。在用Bagging生成神经网络集成之后,将人工免疫网络的原理应用到神经网络集成,组成了一个从微观上看是一个一个的神经网络,而从宏观上看是一个大的人工免疫网络的集成。通过在微观层次上提高神经网络集成的个体之间的异构度,在宏观层次上提高免疫网络的适应度,从而降低集成的泛化误差。AINEN与GASEN方法在标准数据集上进行的实验表明,AINEN能取得更小的泛化误差。     

电力电量预测的神经网络方法

本文依次将前六个月用电量作为输入值,第七个月用电量作为输出值,建立BP神经网络结构,根据历史数据对神经网络进行训练,并通过预测试验,对预测网络进行检验,结果表明利用神经网络方法对全国用电量进行预测是可行的.