排序方式: 共有10条查询结果,搜索用时 93 毫秒
1
1.
本文是基于 CMAC神经网络分析和设计复杂控制系统的第二部分 ,提出了基于评价函数和CMAC预测器的控制器的设计方法 ,通过分析控制算法的收敛性和控制系统的稳定性 ,得出了控制器参数的选取方法 .该方案适用于过程的输入输出数据是可测的 ,并且可用第一部分提出的方法得到对象的 CMA C预测器 .仿真实例证明该方案是正确和实用的. 相似文献
2.
一种用于过程数据压缩的矩形波串法及其性能分析 总被引:1,自引:0,他引:1
矩形波串法用于过程数据压缩,算法简单,压缩和重建的实时性好,获得广泛的应用.为了进一步提高该算法的性能,本文提出了一种改进的矩形波串法,用实际数据进行了离线仿真并分析了算法的性能,结果表明改进算法优于原算法,可用于现场总线节点过程数据压缩. 相似文献
3.
4.
本文是基于CMAC神经网络分析和设计非线性过程控制系统的第一部分,分析了Chiang&Lin提出的基于广义基函数的CMAC学习算法收敛条件的局限性,提出了一种改进算法,并证明改进算法是收敛的,应用该算法的CMAC用于过程输出的预测器,仿真结果表明了所提方案是有效性的. 相似文献
5.
6.
针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,提出了基于模糊聚类的超闭球CMAC神经网络改进算法。该算法通过对输入数据进行模糊聚类确定网络节点数和节点值,并根据输入输出数据通过模糊推理优化算法计算神经网络初始权值。与原算法比较,该算法可有效降低神经网络节点数,提高系统的学习精度。对一个多步时延的非线性系统的辨识仿真结果表明了该算法的可行性与有效性。 相似文献
7.
8.
为了克服神经网络建模在工程应用中的不足,利用超闭球小脑模型(HCMAC)神经网络所具有的结构简单、学习收敛速度快、泛化能力强等优势,提出了基于HCMAC的非线性动态系统建模原理。分析了建模误差产生的原因,给出了基于误差校正率的神经网络模型多步在线校正策略,采用通过实时扩展模型学习样本空间和基于模型误差可信度的模型参数修正方法训练模型,以跟踪实际动态过程。仿真实验证明:上述方法可有效地减小由于样本精度不高和在模型输入空间中的分布不均匀所带来的初始模型误差,同时可实时适应非线性动态过程工况的变化。 相似文献
9.
多变量约束控制及其在大型催化裂化装置中的应用 总被引:2,自引:0,他引:2
介绍多变量约束控制软件包的整体框架和主要功能,并阐述了MCC的控制和优化策略。完整的MCC软件包除核心组件-多变量约束预测控制组件外,还包含了模型辨识和数据校正、非线性预测控制,软测量,动态仿真、I/O接口、组态、共享数据库驱动,工艺过程动态监控,用户应用程序接口以及历史数据处理等组件。MCC技术已成功地应用于一大型催化裂化装置,取得了显著的经济和社会效益。 相似文献
10.
一种基于模糊CMAC自学习模糊逻辑系统及其在控制中的应用 总被引:2,自引:0,他引:2
把HCMA(Hyperball Cerebellar Model Articulation Conroller)与模糊逻辑理论有机结合起来,形成FHCMAC(Fuzzy HCMAC),它便于从输入输出数据中提取模糊规则,直接用作控制器。可以将FHCMAC看作用基函数网络实现的模糊逻辑系统,兼有HCMAC神经网络和模糊逻辑两者的优点,即可以较容易表达定性或模糊的经验知识,又具有很好的学习性能,应用仿真实例验证了其有效性,该方法可应用于难以获取模糊规则的吻合。 相似文献
1