首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 140 毫秒
1.
冷连轧AGC 系统的自适应Smith 广义预测控制   总被引:4,自引:0,他引:4  
针对冷连轧AGC 系统存在较大的时间滞后以及对象模型参数时变的特点,提出了一种自适应Smith 广义预测控制算法. 该算法用Smith 预估器来克服滞后的影响,利用激光测速仪间接测量AGC 系统的滞后时间以修 正Smith 预估器的时滞部分模型,使用渐消记忆递推最小二乘算法在线辨识对象参数来修正Smith 预估器的非时滞 部分的模型,并根据辨识得到的对象参数设计自适应广义预测控制器代替传统Smith 预估算法中的PID 控制器. 仿 真研究表明,在模型失配及干扰的情况下,该控制算法仍然具有良好的控制性能和鲁棒稳定性能.  相似文献   

2.
针对可控器件的死区和数字化控制器存在的延时对系统整体性能产生消极的影响,提出一种新的电流跟踪控制策略,该控制策略以一个基于改进的Ziegler-Nichols方法实现参数优化的PI控制器和π补偿Smith预估器为基础.其中实现电流跟踪控制的控制器算法是在Ziegler—Nichols方法优化PI控制参数的算法上的修正,较之传统的方法寻优PI控制器参数有着更好的控制效果;仃补偿预估器的引入则可以有效地补偿系统控制中的延时,提高系统的响应速度和稳定性能,并提高系统的控制精度;同时利用时间乘以误差绝对值积分(ITAE)准则给出π补偿预估器参数与PI控制器参数间的数学关系式,实现了预估器参数的辨识.仿真和实验验证了所提控制策略的有效性,与模糊PI控制效果进行比较,具有更好的滤波效果.  相似文献   

3.
针对板形板厚综合系统具有强耦合、非线性、含纯滞后环节的特点,提出一种基于小波神经网络的逆控制方案.利用两个结构相同的小波神经网络构造Smith预估器,预估器的输入参数与时延阶次无关,能较好地解决小波神经网络对维数较为敏感的问题.采用神经网络逆控制的思想设计小波神经网络控制器,引入多步预测性能指标函数对控制器权值进行在线训练.仿真研究表明,该控制方案具有较快的响应速度和良好的动态性能.  相似文献   

4.
给出了SISO系统H∞控制器参数优化过程,提出了一种系统性能模糊评价优化设计方法,根据系统动态特性通过模糊优化控制策略动态校正控制器结构参数.结果表明,本方法对模型不确定性具有良好的鲁棒性适应性和动态特性,控制品质优于一般H∞控制和常规PID,Smith预估器.  相似文献   

5.
本文提出了将微粒群优化(PSO)算法应用于模糊控制器的参数优化设计中,针对常用的工业对象模型进行了仿真实验,仿真结果表明基于微粒群算法优化模糊控制器参数可以获得满意的控制效果,PSO算法为模糊控制器的设计提供了一种的新的思路.  相似文献   

6.
根据油料储备历史数据样本进行油料储备预测,是实施油料保障有效举措.油料储备预测是具有不确定性、突变性的多变量复杂系统,预测难度大.为了解决采用传统预测法所存在的局限性,将微粒群优化算法与神经网络相融合,提出了改进微粒群神经网络的油料储备预测模型.利用神经网络自学习能力,捕捉预测系统非线性关系.将神经网络参数映射为实数码微粒,构造复合适应度函数.引入微粒距离系数,动态调整微粒速度和位置进化参数.借助微粒群优化算法较强全局搜索能力,训练神经网络参数,优化其结构,消除神经网络训练收敛慢、易陷入局部极值等现象.仿真实例表明,改进模型预测精确性评价指标良好,建模复杂度较低.  相似文献   

7.
针对工业控制中普遍存在的大滞后现象,提出了一种将RBF神经网络算法和Smith预估补偿算法与传统的PID控制器相结合的智能RBF-Smith-PID控制策略。该方法利用RBF神经网络的在线学习、控制参数自整定能力,和Smith预估补偿对纯滞后系统的良好控制,有效地克服了常规PID控制的缺陷,提高了系统的鲁棒性和自适应性,对纯滞后系统起到了良好的控制。  相似文献   

8.
制粒机温控系统设计与仿真   总被引:1,自引:0,他引:1  
夏尚  汪浩  田作华 《计算机仿真》2009,26(10):339-343
制粒机调质温度是现代饲料生产过程中的重要参数之一,必须控制在最佳值附近。而调质温度被控对象具有大时滞,非线性以及参数时变的特性。传统的Smith预估器难以取得良好的控制效果。针对上述问题,提出一种IMC-Smith预估控制算法,算法将Smith预估器与内模控制相结合,采用内模控制原理和积分平方差指标设计给定点追踪控制器。在Matlab平台上对IMC-Smith控制算法进行模型匹配和模型失配的仿真,仿真结果表明控制系统性能较常规Smith预估控制有较大的提高,证明了控制方案的有效性。  相似文献   

9.
自适应修正Smith算法在时滞系统中的应用   总被引:3,自引:0,他引:3  
张毅  杨煜普 《自动化仪表》2007,28(2):37-39,43
传统的Smith预估补偿控制要求较高的对象模型精度,为了提高系统的鲁棒性,提出了一种改进的Smith预估器。该算法根据历史预估结果动态地对预估输出进行修正,从而提高预估精度。将其应用于大时滞温控系统,取得了准确的预估输出和良好的控制品质。算法实现简单、应用灵活、适应性强,可以应用于其他有滞后影响的场合。  相似文献   

10.
本文提出了基于PID神经网络和Smith预估器的电热炉温度控制器。PID神经网络将PID控制器与具有自学习功能的神经网络相结合,综合了PID和神经网络控制各自的优点,改善参数时变对系统性能的影响。PIDNN-Smith控制器加入Smith预估器解决了加热炉的滞后影响,使控制器对加热炉的温度控制有了更好的效果。利用MATLAB软件对温控系统进行了仿真测试,并对测试结果进行了分析。  相似文献   

11.
混合粒子群优化算法优化前向神经网络结构和参数   总被引:4,自引:1,他引:3  
提出了综合利用粒子群优化算法(PSO)和离散粒子群优化算法(D-PSO)同时优化前向神经网络结构和参数的新方法。该算法使用离散粒子群优化算法优化神经网络连接结构,用多维空间中0或1取值的粒子来描述所有可能的神经网络连接,同时使用粒子群优化算法优化神经网络权值。将经过该算法训练的神经网络应用于故障诊断,能够有效消除冗余连接结构对网络诊断能力的影响。仿真试验的结果表明,相比遗传算法等其他算法,该算法能够有效改善神经网络结构和参数的优化效率,提高故障模式识别的准确率。  相似文献   

12.
粒子群算法(PSO)的拓扑结构是影响算法性能的关键因素,为了从根源上避免粒子群算法易陷入局部极值及早熟收敛等问题,提出一种混合拓扑结构的粒子群优化算法(MPSO)并将其应用于软件结构测试数据的自动生成中。通过不同邻域拓扑结构对算法性能影响的分析,采用一种全局寻优和局部寻优相结合的混合粒子群优化算法。通过观察粒子群的多样性反馈信息,对每一代种群粒子以进化时选择全局拓扑结构模型(GPSO)或局部拓扑结构模型(LPSO)的方法进行。实验结果表明,MPSO使得种群的多样性得到保证,避免了粒子群陷入局部极值,提高了算法的收敛速度。  相似文献   

13.
This paper proposes an artificial neural network (ANN) based software reliability model trained by novel particle swarm optimization (PSO) algorithm for enhanced forecasting of the reliability of software. The proposed ANN is developed considering the fault generation phenomenon during software testing with the fault complexity of different levels. We demonstrate the proposed model considering three types of faults residing in the software. We propose a neighborhood based fuzzy PSO algorithm for competent learning of the proposed ANN using software failure data. Fitting and prediction performances of the neighborhood fuzzy PSO based proposed neural network model are compared with the standard PSO based proposed neural network model and existing ANN based software reliability models in the literature through three real software failure data sets. We also compare the performance of the proposed PSO algorithm with the standard PSO algorithm through learning of the proposed ANN. Statistical analysis shows that the neighborhood fuzzy PSO based proposed neural network model has comparatively better fitting and predictive ability than the standard PSO based proposed neural network model and other ANN based software reliability models. Faster release of software is achievable by applying the proposed PSO based neural network model during the testing period.   相似文献   

14.
粗糙集及PSO优化BP网络的故障诊断研究   总被引:1,自引:1,他引:0  
吴伟  李楠  郭茂耘 《计算机科学》2011,38(11):200-203
针对PP神经网络故障诊断存在网络结构复杂、训练时间长、精度不高的问题,将粗糙集、微粒群算法、遗传算法引入到柴油机故障诊断中,提出了基于粗糙集理论与改进PP神经网络相结合的柴油机故障诊断算法。算法采用自组织映射方法对连续属性离散化,利用粗糙集理论对特征参数进行属性约简,使用微粒群算法优化PP网络结构,从而缩短训练时间,有效提高故障诊断的准确度。最后用柴油机的实际诊断结果验证了该算法的可行性、快速性和准确性。  相似文献   

15.
A Cooperative approach to particle swarm optimization   总被引:28,自引:0,他引:28  
The particle swarm optimizer (PSO) is a stochastic, population-based optimization technique that can be applied to a wide range of problems, including neural network training. This paper presents a variation on the traditional PSO algorithm, called the cooperative particle swarm optimizer, or CPSO, employing cooperative behavior to significantly improve the performance of the original algorithm. This is achieved by using multiple swarms to optimize different components of the solution vector cooperatively. Application of the new PSO algorithm on several benchmark optimization problems shows a marked improvement in performance over the traditional PSO.  相似文献   

16.
一种改进PSO优化RBF神经网络的新方法   总被引:3,自引:0,他引:3  
段其昌  赵敏  王大兴 《计算机仿真》2009,26(12):126-129
为了克服神经网络模型结构和参数难以设置的缺点,提出了一种改进粒子群优化的径向基函数(RBF)神经网络的新方法.首先将最近邻聚类用于RBF神经网络隐层中心向量的确定,同时对引入适应度值择优选取的原则对基本粒子群算法进行改进,采用改进粒子群(IMPSO)算法对最近邻聚类的聚类半径进行优化,合理的确定了RBF神经网络的隐层结构.将改进PSO优化的RBF神经网络应用于非线性函数逼近和混沌时间序列预测,经实验仿真验证.与基本粒子群(PSO)算法,收缩因子粒子群(CFA PSO)算法优化的RBF神经网络相比较,其在识别精度和收敛速度上都有了显著的提高.  相似文献   

17.
改进粒子群算法整定PID参数研究   总被引:4,自引:1,他引:3       下载免费PDF全文
PID控制器的性能取决于其控制参数的组合,针对其参数的整定和优化问题,提出了应用一种改进的粒子群优化算法,该算法借鉴了遗传算法的杂交机制,并采用惯性权值的非线性递减策略,用以加速算法的收敛速度和提高粒子的搜索能力。将该算法应用于一个二阶系统的PID控制器参数的优化。仿真结果表明该改进的粒子群算法具有比传统粒子群算法和遗传算法更好的优化效果,具有一定的工程应用前景。  相似文献   

18.
在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。  相似文献   

19.
针对径向基函数神经网络参数难以设置以及因此而导致的网络隐层结构不明朗的问题,提出了一种应用控制种群多样性的微粒群( ARPSO)优化径向基函数神经网络( RBF)的方法。通过引入“吸引”和“扩散”因子对基本微粒群算法进行改进,并将改进的微粒群算法用于RBF聚类半径的优化,进而能够合理地确定RBF的隐层结构。将用ARPSO优化的RBF神经网络应用于非线性函数逼近,经实验仿真验证,与基本微粒群( PSO)算法、收缩因子微粒群( CFA PSO)算法优化的RBF神经网络相比较,在收敛速度和识别精度上有了显著的提高。  相似文献   

20.
针对多变量模型预测控制系统在长期运行中出现设定值变化、模型失配、扰动特性变化后控制器参数不再匹配的问题,提出一种在得到性能诊断结果后基于改进粒子群算法的控制器参数整定方法.通过分析最优控制律与三项系统性能的关系,构造出对应的目标优化函数,对粒子群算法迭代过程中粒子的位置和惯性因子做出改进,弥补该算法易于陷入局部最优以及...  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号