【摘 要】
：
针对大滞后系统的控制特性,设计一种神经网络二阶导数多步预测模型及其辨识和预测算法,并在此基础上进一步提出基于不完全递归神经网络的预测模型以及模糊小脑模型关节神经网
【机 构】
：
大连海事大学,自动化与电气工程学院,辽宁,大连,116026
论文部分内容阅读
针对大滞后系统的控制特性,设计一种神经网络二阶导数多步预测模型及其辨识和预测算法,并在此基础上进一步提出基于不完全递归神经网络的预测模型以及模糊小脑模型关节神经网络控制器的控制方案,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对具有大时滞、不确定非线性特性的大滞后系统实现高精度输出跟踪控制。仿真结果表明:这一方法具有精确的跟踪控制效果。
其他文献
提出了一种神经网络聚类加权集成方法。首先,采用聚类和Bagging技术产生训练集,这样产生的训练集能够侧重地模拟原始训练集分布的某一方面,既能使每个网络发生的错误尽可能的
提出了一种新的基于BP神经网络的DMC预测控制算法,论述了其原理并进行DMC预测控制系统仿真,实现了在模型失配明显的情况下对系统的有效控制。在该算法中,BP神经网络基于一系
基于免疫系统中的克隆选择原理,提出了一种多目标克隆选择算法MCSA.该方法只对部分当前所得到的Pareto最优解进行进化操作,所求得的Pareto最优解保留在一个不断更新的外部记
为解决基于粒子群优化算法(PSO)的BP网络训练算法(PSO-BP)易陷入局部极小值,不能有效提高训练精度等问题,本文提出了一种速度可调节的粒子群算法-AVPSO算法,并将其应用到BP网
通过直接神经动态规划方法的原理分析,并根据倒立摆的状态变量,构建了评价网络和执行网络。把4个状态变量和执行网络的1个输出作为评价网络的输入,评价网络的输出作为代价(co
由于船舶的吃水、装载量、船体污底等变化较大,天气、海况的变化难以预料和测量,以上这些干扰信号不能直接用于控制,目前的远洋船上多采用降低灵敏度的方法对其进行补偿.船舶
使用被控对象的RBF信息辨识算法,通过神经网络建立被控对象的数学模型,将Smith预估蕴含于神经网络之中,充分发挥了神经网络任意逼近非线性对象的特点。既实现了Smith预估控制
为弥补核动力蒸汽发生器(SG)水位传统测量方法的不足,提出了基于神经网络(ANN)的SG水位软测量新方法。该方法的原理是:先选取对SG水位有重要影响的参数作为SG水位软测量的辅
“It”的用法很多,在英语中经常遇到。但归纳起来不外乎有以下五种:一、“It”作人称代词;二、作指示代词;三、无人称代词(或非人称代词);四、先行词(或叫先行代词);五、构
针对对称冗余网络方法存在着某些不足之处,分析了冗余网络环境下控制系统通讯可靠性,以RCM2200控制单元为核心,提出了基于非对称冗余网络结构数据通讯容错方法,设计了非对称