基于神经网络预测节能中央空调控制策略

由于传统中央空调具有大滞后、大惯性、非线性特性,造成常规控制方法下系统供给的能量与负载所需能量不匹配,使得中央空调与使用环境能量供求不平衡,浪费了大量的电能.针对中央空调的控制特性,提出了一种基于神经网络技术的预测控制方法,将Elman神经网络预测器和神经网络控制器有机结合,通过预测未来能量需求,实时调节控制策略,使系统所需能量和空调输出能量达到匹配.采用Elman神经网络预测器和神经网络控制器有机结合的控制方法,使系统具有良好的动态性能和稳态性能,节能效果显著.采用神经网络预测型节能中央空调,可有效控制中央空调与使用环境能量供求的关系,为降低智能建筑能耗提供了可靠的保障.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

BP-PID在锅炉蒸汽压力控制中的应用

针对锅炉蒸汽压力系统具有大惯性、大滞后等特点,采用BP神经网络PID方法进行控制.该算法简单、易于实现.仿真研究证明该算法具有较好的控制效果.该系统软件在Windows XP平台下利用VB编制,硬件主要由普通PC机和研华的ADAM模块组成.实验证明该系统能实时采集现场压力,具有一定的实用效果.     

单神经元PID算法在大滞后系统中的应用

根据传统PID算法在工业控制系统中的特点,考虑具有大滞后的温度控制系统,提出了一种单神经元积分分离PID改进算法,采用大滞后被控对象数学模型为例,对基于单神经元积分分离PID改进算法的控制过程进行了仿真研究.仿真结果表明,该改进算法在大滞后系统中具有自适应性强、控制精度高和控制效果好等优点.     

神经网络预测-PID串级控制在同步发电机励磁控制中的应用

为提高发电机励磁控制系统的稳定性,分析了同步发电机的自并励励磁系统的结构和数学模型,介绍了神经网络预测控制的结构和算法,分别基于PID控制、神经网络预测控制和神经网络预测-PID串级控制算法对自并励励磁系统进行了仿真分析.通过仿真结果的对比分析,说明神经网络预测-PID串级控制在励磁控制中的应用提高了励磁系统的动态性、稳定性和抗干扰能力.     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的El-man动态回归神经网络预测控制算法.首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制(GPC)的反馈校正、滚动优化来完成非线性系统的预测控制.仿真结果表明:将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力.     

时滞离散非线性系统基于NN预测的准滑模控制

研究一类具有输入滞后的离散非线性系统的准滑模控制问题。根据滑模控制原理和神经网络的逼近能力,提出了一种基于神经网络预测的准滑模控制器设计方法,给出了神经网络预测器的自适应算法。通过理论分析和仿真结果,证明了神经网络预测器的自适应算法是收敛的,闭环准滑模控制系统是稳定的,跟踪误差可收敛到零的一个领域内。     

基于BP神经网络的广义预测控制算法在一级倒立摆控制中的应用

提出了一种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律,该算法对广义预测控制算法进行了简化,可以应用于快速系统的控制.以倒立摆系统作为研究的对象,将新算法应用于一级倒立摆的控制,仿真结果证实了该算法的有效性和实用性.     

基于误差补偿的谷氨酸发酵过程模型预测控制研究

谷氨酸发酵过程是一种具有高度的非线性、强烈的时变性和大滞后等因素的生化过程.本文将神经网络和预测控制算法相结合,用于解决谷氨酸发酵过程非线性控制问题.首先,通过神经网络实现非线性模型的预测能力;然后,引入动态矩阵控制,建立基于误差补偿的谷氨酸神经网络预测系统,通过滚动优化﹑反馈校正﹑误差补偿进行多步预测,最终构建谷氨酸发酵过程多变量非线性控制系统.仿真结果表明:该方法能够实现对谷氨酸发酵非线性过程的有效控制.     

基于神经网络辨识的灰色预测在精馏塔中的应用

石油化工生产中常用精馏塔的控制是一种滞后时间长、滞后常数不定的典型不确定滞后对象。这种对象控制困难,系统精度要求高,要对其进行有效控制就必须高精度预测它的输出,因为对象的不确定滞后特性,对其进行精确的输出预测始终是一个难题。针对精馏塔输出预测上的困难,提出利用神经网络首先辨识系统的滞后时间,之后在此基础上采用AR(p)(自回归)模型拟合残差的改进型灰色预测方法预测输出,基本灰色预测模型采用变步长单步灰色预测。将上述方法应用在精馏塔模型输出预测中,仿真结果表明改进后的预测方法对具有滞后、时变的系统有良好的预测效果,而且对系统参数突变、漂移等非失效型故障有一定的鲁棒性、容错性,比其他灰色预测方法更具优越性。