共查询到20条相似文献,搜索用时 109 毫秒
1.
专家模糊神经网络控制系统在复杂工业过程中的应用 总被引:3,自引:0,他引:3
针对复杂工业过程控制系统的特点,提出一种专家系统和模糊神经网络相结合的二级协调智能控制系统。该系统的执行控制级由模糊神经控制器完成,协调级由专家系统完成。经仿真和复杂过程回转窑温控实验表明,控制系统具有良好的性能。 相似文献
2.
基于最小二乘加权融合集成神经网络的电力变压器故障识别 总被引:2,自引:0,他引:2
提出了一种基于最小二乘加权融合集成神经网络的变压器故障识别新方法.首先对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需的6个特征量,再应用5个不同结构的BP子网络分别进行识别,接着运用最小二乘加权融合算法对各个子网络的识别结果进行信息融合,最后根据融合结果来识别故障.与单个神经网络识别方法相比,该最小二乘加权融合集成神经网络可在故障特征比较类似的情况下,正确识别故障类型,且该方法的识别结果具有更大的安全间隔空间、可靠性更高.测试结果也表明了这些特征. 相似文献
3.
4.
5.
为准确诊断出电气设备的故障,使设备能够安全运行,从信息融合的角度,研究集成神经网络实现的诊断技术;通过三级网络的建立,充分利用了各种信息,有效的实施信息融合,提高了设备故障诊断率.将其应用在变压器故障诊断中,取得较好的诊断效果. 相似文献
6.
项湜伍 《上海电机学院学报》2006,9(4):51-54
异步电动机控制系统是一个较难的工程问题。由于交流电动机机械系统具有非线性动态特性,以及交流电动机的某些状态变量无法测量,这些问题都使系统控制问题变得复杂。另外温度发生变化时,转子电阻发生很大变化,这又是一个控制系统难以克服的问题。使用神经网络的自适应控制技术来实现感应电动机的控制问题,第一种是单输入—单输出(SISO)系统,控制器使用静态多层感知器神经网络(MLP神经网络);第二种是多输入—多输出(MIMO)系统,控制器使用递归神经网络为动态控制系统方案。本文重点讨论MIMO系统。 相似文献
7.
8.
本文利用基于互信息算法的选择性神经网络集成技术从大脑胶质瘤病例中获取在大脑胶质瘤良恶性程度的诊断知识,并与利用基于遗传算法的选择性神经网络集成算法,支持向量机,单个神经网络和提取规则技术的结果作了比较。结果显示,利用基于互信息算法的选择性神经网络集成技术得到的结果是优于其他结果的。 相似文献
9.
利用神经网络和信息融合技术 ,建立了针对配网结构和运行特点的线损分析数学模型。基于该模型实现了对配网线损的分析。该模型以影响配网损耗的几个因素为基本模块 ,各模块根据自身特点选取相应变量 ,在整个系统的运作过程中又可对特定参数进行动态的调整 ,使线损分析简单、灵活、直观、全面。实例验证了采用该方法可得到较为满意的结果。 相似文献
10.
利用神经网络和信息融合技术,建立了针对配网结构和运行特点的线损分析数学模型.基于该模型实现了对配网线损的分析.该模型以影响配网损耗的几个因素为基本模块,各模块根据自身特点选取相应变量,在整个系统的运作过程中又可对特定参数进行动态的调整,使线损分析简单、灵活、直观、全面.实例验证了采用该方法可得到较为满意的结果. 相似文献
11.
对于电阻炉这样的复杂非线性系统的控制问题,提出了一种新的基于专家系统神经网络控制方案,该方案结构简单,鲁棒性强。文中给出了控制器参数整定规律,以达到快速收敛的目的。电阻炉的温度控制的实验结果表明该方案能够取得令人满意的效果 相似文献
12.
13.
14.
15.
16.
由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明:与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。 相似文献
17.
本文简单地介绍了基于神经网络预测控制的基本原理;并且根据神经网络所采用网络模型的不同对预测模型进行了分类以及按照求解最优控制作用方式的不同介绍了几种常用的优化算法。 相似文献
18.
基于模糊神经网络的热风炉控制系统研究 总被引:7,自引:0,他引:7
本文针对热风炉非线性、时变性和多控制目标的控制特点,以包钢四号高炉热风炉的独特加热系统为对象,提出了由热平衡计算的物理模型和模糊神经网络构成的混合型控制系统。并给出了它的基本设计方法。仿真结果表明,热风炉热效率明显提高。 相似文献
19.
将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。 相似文献