排序方式: 共有71条查询结果,搜索用时 31 毫秒
1.
Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks 总被引:3,自引:0,他引:3
Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective. 相似文献
2.
建立了新型的模型预测控制方法——预测函数控制(PFC)与传统的广义预测控制(GPC)的联系.首先推导了基于含有色噪声的自回归增量滑动平均(CARIMA)模型的预测函数控制的控制律,然后通过选取不同的基函数获取PFC控制律的形式并与GPC控制律进行比较.从而证明了在一定的基函数的选取方式下,基于CARIMA模型的PFC算法和GPC算法是等价的.揭示了PFC与GPC两者之间深刻的内在联系,为PFC的工程应用提供了理论保证. 相似文献
3.
4.
5.
应用Elman神经网络的混沌时间序列预测 总被引:5,自引:0,他引:5
利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示 Elman网络对混沌时间序列预测的良好特性 相似文献
6.
提出了一种新型的广义预测控制器。由于在控制器的设计中,进行了预测误差的动态校正,并且控制器采用了比例积分型(PI)目标函数,因此该控制器对未建模动态具有很强的鲁棒性。应用低阶的模型对一个强放热的化学反应釜模型进行的仿真研究检验了该方法的有效性。 相似文献
7.
基于递归神经网络的多变量系统预测控制 总被引:8,自引:0,他引:8
针对线性PID控制器系数难以整定的问题,构造了一种用神经网络实现的非线性PID控制器.多个具有相同结构的非线性PID控制器并联,对多变量系统实现解耦控制器.结合预测控制的思想,提出两种控制方案.第一种是在递归多步预测的基础上,在广义最小方差目标函数下实现控制,第二种利用多步预测目标函数在线修正解耦控制器的权值.仿真实验表明这两种方法的有效性. 相似文献
8.
基于T-S模型的模糊广义预测控制 总被引:11,自引:0,他引:11
对非线性系统建立了T-S模糊模型,并用正交最小二乘法(OLS)对模糊规则的后件参数进行辨识,然后在每一个采样点对系统进行局部动态线性化,根据得到的系统线性化模型对系统采取广义预测控制(GPC)方法得到当前的控制动作,仿真的结果表明了该方法的有效性。 相似文献
9.
10.
通过对系统的信号约束,构成有约束广义预测控制问题.并实施一系列的转换步骤,将这一问题化为两个神经网络的求解平衡点问题.理论分析保证了这一求解是有约束预测控制问题的全局最优解.并设计了求解该问题的神经网络电路,使得有约束预测控制的求解能在电路的时间常数级内完成. 相似文献