排序方式: 共有38条查询结果,搜索用时 0 毫秒
1.
将逆系统方法与模糊神经网络相结合, 提出一种基于模糊神经网络®阶逆系统的发酵过程解耦控制方法. 在分析了系统可逆性的基础上, 利用模糊神经网络建立发酵过程的非线性逆模型, 然后将得到的模糊神经α阶逆系统与发酵过程串联复合成伪线性系统, 最后设计专家控制器实现高性能闭环解耦控制. 仿真结果表明, 提出的解耦控制方法能够适应发酵过程模型的不确定性和参数的时变性, 具有较强的鲁棒性, 克服了解析逆系统解耦控制方法依赖于过程模型和对模型参数的变化很敏感的缺点, 且结构简单, 易于实现. 相似文献
2.
磁悬浮开关磁阻电机是一个复杂的非线性强耦合系统,且运行过程中容易出现磁饱和现象,增大了数学模型建立及解耦控制的难度。针对上述问题,在利用有限元方法分析其磁场及电磁力特性的基础上,计算了一种对电机磁路线性及饱和状态均适用的新数学模型。分析了系统的可逆性,采用神经网络逆实现了转矩和两自由度径向力的解耦。使用dSPACE系统试验验证了该方法的正确性和有效性,可以弥补现有基于无磁饱和假设的各种建模及相应的解耦控制方法不适用于BSRM磁饱和工况的缺陷,也可以为电机的运行特性分析、本体优化设计以及控制策略研究提供更准确的理论依据。 相似文献
3.
针对模型参数变化和噪声干扰的静止同步补偿器(STATCOM)单机无穷大系统,提出了一种基于灰色预测的无功电流控制.运用GM(1,1)模型预测下一时刻的无功电流,并根据STATCOM非线性数学模型建立了系统无功补偿电流的控制模型.从而将无功电流灰色预测控制补偿到PID控制中,利用来色系统理论进行预报,具有不必完全知道被控对象结构、参数和特性的优点,这对于像STATCOM这样大型非线性系统的预测控制实现非常有利.仿真结果表明,该方法比传统的PID控制具有更强的跟踪能力和鲁棒性. 相似文献
4.
5.
6.
7.
基于tPSO-BPNN的赖氨酸发酵软测量 总被引:1,自引:0,他引:1
赖氨酸发酵过程是一个复杂的非线性强耦合动态过程。某些发酵过程关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线检测。采用软测量技术可解决这一难题。建立了用于生物参数状态预估的tPSO-BPNN软测量模型。针对BPNN软测量模型易陷入局部极小值,进化后期收敛速度慢以及全局搜索能力弱等缺陷,tPSO-BPNN软测量模型采用带极值扰动粒子群(tPSO)算法优化BP神经网络权值和阈值。仿真结果表明,tPSO-BPNN软测量模型的性能优于BPNN软测量模型,能够准确预估赖氨酸发酵过程中的关键参数,具有较高的精度和良好的应用前景。 相似文献
8.
10.
微生物发酵过程中一些关键生物参数难以实时在线测量,严重影响发酵的优化控制。为解决关键生物参数的测量难题,采用了一种基于PSO-SVM的软测量方法。该方法利用粒子群优化(PSO)算法优化选择支持向量机(SVM)的最佳参数,并建立了基于PSO-SVM的软测量模型。利用赖氨酸发酵的数据对模型进行仿真验证,结果表明该模型具有很好的学习精度和泛化能力。另外在建模耗时上,PSO-SVM算法所用时间远少于标准SVM算法所用时间。 相似文献