|
|||||
|
|
| 基于改进的神经网络最近邻聚类算法在结晶器液位系统中的应用 | |
| 作者姓名： | 缸明义 陈立辛 宁平华 夏兴国 |
| 作者单位： | 马鞍山职业技术学院电气工程系,安徽马鞍山 243031;安徽科技学院机械工程学院,安徽凤閚 233100 |
| 基金项目： | 安徽省高等学校自然科学研究重点项目;安徽省高等学校自然科学研究重点项目;安徽省高等学校优秀青年人才支持计划;安徽省高等学校优秀青年人才支持计划 |
| 摘 要： | 针对连铸机的结晶液位采用拉速控制导致控制过程不稳定而影响铸坯质量的问题,提出了基于神经网络的模型辨识及智能PID控制方法,它主要基于径向基函数(即RBF)神经网络,通过改进的最近邻聚类学习算法在线辨识相关的结晶器系统模型.基于径向基函数辨识网络,将辨识所得雅克比閜应用到智能PID控制器的权值调整之中.结果表明,该算法可... |
| 关 键 词： | 最近邻聚类 结晶器 神经网络PID 液位系统 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |