排序方式: 共有43条查询结果,搜索用时 609 毫秒
1.
在锅炉的燃烧控制系统中,燃烧对象是一个具有多变量、强耦合、强干扰、大滞后等特性的复杂过程系统,常规的PID控制无法满足实际需求。针对该问题,提出了将动态解耦方法与非线性最小二乘优化算法相结合,得到降阶模型,并运用预测PI控制算法进行控制研究。仿真结果表明:基于降阶模型的预测PI解耦控制策略具有良好的稳定性和鲁棒性,且抗干扰能力强,具有一定的实际应用价值。 相似文献
2.
3.
4.
5.
6.
预测PI和准预测PI控制算法在片烟复烤机上的应用 总被引:2,自引:0,他引:2
采用传统的PID控制算法对打叶复烤中的片烟复烤机进行控制,由于烤房温度波动大,难以保证冷房含水率与出口含水率稳定.为此,采用预测PI和准预测PI控制算法对其进行控制以保证控制品质和精度.烤房温度是大惯性、大滞后过程,采用预测PI控制算法可以避免调节速度慢、波动大的问题;冷房含水率与出口含水率均为多输入单输出过程,按照频率域准则将多输入单输出过程简化为单输入单输出的组合积分过程,并采用自适应抗干扰的准预测PI控制算法进行控制,使生产完全闭环自动控制,烤房温度、冷房含水率和出口含水率的控制精度均能达到设定值的±0.3%,满足了工艺要求.两家打叶复烤厂的应用结果表明.采用预测PI和准预测PI控制算法后,片烟含水率稳定地达到规定的工艺技术指标,提高了控制精度.实现了闭环全自动操作,无需操作人员的人工干预,减轻了劳动强度,返料次数由原来的每班至少2次减少为0,降低了能源消耗. 相似文献
7.
一直以来, 各种推荐系统关注于如何挖掘用户与物品特征间的潜在关联, 特征信息的充分利用有利于用户到物品的精准匹配. 基于矩阵分解和分解机的推荐算法是该领域的主流, 前者学习用户历史行为而后者分析对象特征关系, 但都难以兼顾用户行为与个体特征. 而近年来, 深度神经网络凭借其强大的特征学习能力和灵活可变的结构被应用到了推荐系统领域. 鉴于此, 本文提出了一种基于注意力机制的协同卷积动态推荐网络(Attentionbased collaborative convolutional dynamic network, ACCDN), 它通过注意力机制实现用户历史行为、用户画像与物品属性的多重交互, 再通过卷积网络逐层捕捉更高阶的特征交互. 网络同时接受不同组块输出的低阶至高阶信息, 最后给出用户对指定物品青睐评分概率的预估. 而且本文还提出了一种基于无参时间衰减的用户兴趣标签来量化用户关注的变化. 通过比较若干先进模型在两个现实数据集的表现, 本文设计的动态推荐模型不但能够缓解推荐时滞性, 还能明显提高推荐质量, 为用户带来更好的个性化服务体验. 相似文献
8.
控制阀门中非线性的存在,比如迟滞、死区等,限制了控制回路的性能;大约30%的控制回路振荡是由于阀门的问题,而迟滞是过程工业中所发现的最普遍的阀门问题;尽管已有很多对迟滞现象的理解和建模的尝试,但是仍然缺少一种简单、直观且能比较精确反映真实阀门特性的模型;着重研究阀门迟滞的机理并结合大量的事例,提出了迟滞的模型以及基于系统辨识的在线检测方法,仿真与实际工业应用表明了该方法的有效性与准确性。 相似文献
9.
针对传统继电反馈模型辨识精度较低的问题,介绍了一种新型的移位继电反馈方法,并根据辨识结果设计了基于模型的预测PI控制器。移位继电法采用带滞环的偏置继电器,能够从单次继电反馈测试实验得到模型的三个频率响应点,移位继电法不需要任何模型先验知识,并且辨识精度较高。预测PI控制对于时滞环节具有良好的控制性能,根据移位法与ATV法的辨识结果分别设计了预测PI控制器进行仿真比较,仿真结果验证了移位继电法的实用性。 相似文献
10.