导读:本文包含了神经元网络控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:神经元,神经网络,网络,电压,控制系统,算法,轧机。
神经元网络控制论文文献综述
刘学文,任兴贵,徐定杰[1](2019)在《基于RBF神经网络单神经元PID控制的恒功率直流变换研究》一文中研究指出随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛。这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案。本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题。(本文来源于《自动化与仪器仪表》期刊2019年08期)
刘学文,任兴贵,徐定杰[2](2019)在《基于RBF神经网络单神经元PID控制在低压直流变换中的应用研究》一文中研究指出太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为了解决低压直流微型电网的波动特性,提出了基于RBF神经网络在线辨识的单神经元PID控制的直流变换方法,该方法结合了普通PID控制结构简单和神经网络非线性系统自适应性强的特性,解决了二次直流负载端稳定的直流电源供电问题。(本文来源于《电力与能源》期刊2019年03期)
岳光,潘玉田,张华君,刘学杰,李宇峰[3](2019)在《多神经元神经网络算法的DSP无人侦察车伺服控制系统》一文中研究指出提出一种改进型多神经元神经网络算法的DSP无人侦察车伺服控制系统,对多神经元PID控制器进行交叉并联构建并在DSP中运行,解决国内无人侦察车单片机伺服控制系统数据处理速度慢、设计不灵活、智能算法应用受限问题.结果表明该方法收敛速度快、无需人工干预实现自主调节系统被控量,仿真及试验验证了算法的有效性,为无人侦察车应用于战场侦察、突发灾害紧急救援等提供理论基础和借鉴.(本文来源于《北京理工大学学报》期刊2019年02期)
黄金侠,侯艳,宋国义,王俊发,李晶[4](2019)在《PID神经元网络在水稻秧棚控制系统中的应用研究》一文中研究指出育秧对水稻的生产起着至关重要的作用,为水稻秧苗提供适宜生长的环境条件就成为水稻生产中极为重要的一环。水稻育秧棚控制系统具有多变量、大惯性、非线性、强耦合及时滞等特点,采用传统PID控制不能获得满意的控制效果。为此,本文将常规的PID控制和BP神经元网络控制相结合,设计了水稻育秧棚温、湿度解耦自动控制系统,并利用仿真软件(MatLab/SIMULINK)对秧棚内PID神经元网络控制系统进行了仿真及分析。结果表明:基于PID神经元网络控制与传统PID控制相比,响应速度快、超调量小、无静差,大大提高了秧棚内控制系统的性能,达到了预期的控制效果。(本文来源于《农机化研究》期刊2019年07期)
石艳春[5](2018)在《基于神经元网络解耦的磁选机控制系统》一文中研究指出针对目前磁选设备分选能力差,控制精度低的实际问题,引入神经元解耦,根据不同时域特性设计PID参数,并与常规PID模型进行电动机控制仿真对比,分析结果表明,采用该方法分选响应快,磁选设备控制系统运行速度几乎无波动,有效地避免了分选速度的超调和振荡。(本文来源于《电气时代》期刊2018年07期)
宋水泉[6](2016)在《基于改进PID神经元网络的多变量系统控制算法》一文中研究指出PID神经元网络具有动态特性,在系统控制应用中相比于传统的PID控制方法可取得更优的效果,但其学习算法为梯度学习算法,初始权值随机取得,为了提高其控制量逼近控制目标的速度和系统响应时间,引入粒子群算法对初始权值进行优化,最后应用Matlab软件对改进后的PID神经元网络算法进行仿真。仿真结果表明,该方法具有较好的控制性能。(本文来源于《电子科技》期刊2016年06期)
牛传峰[7](2016)在《应用BP神经元网络提高轧机控制精度》一文中研究指出以莱钢大H型精轧机组生产线为研究对象,针对轧制工艺的各种影响因素,提出采用BP神经元网络的方法,以提高控制精度。(本文来源于《自动化应用》期刊2016年03期)
蔡宇楼,吉培荣,陈成,张古月[8](2016)在《单神经元自适应神经网络PID控制策略在DVR中的应用研究》一文中研究指出本文设计了一种用于动态电压恢复器控制策略的具有单神经元自适应神经网络的PID控制器,基于改进单神经元网络控制策略建立了动态电压恢复器控制模型.针对传统PID在快速性和精确电压补偿上的不足,提出改进单神经元自适应控制,形成新型具有自学习的智能控制方法,以提高控制器对信号的跟踪能力和对环境的适应能力.通过Matlab/Simulink的建模仿真,表明所提的控制方法具有鲁棒性强、输出电压稳态精度较高、动态响应速度快等特点.(本文来源于《叁峡大学学报(自然科学版)》期刊2016年01期)
武冬冬,吕柏权,张静静[9](2015)在《基于神经元网络的多回路控制系统的全局优化算法》一文中研究指出提出了一种新的基于多回路控制系统的全局优化算法。该算法把目标函数设定为每个子系统的控制对象。通过运用神经元控制器和填充函数法,随着迭代的进行,目标函数输出值逐渐趋向于每个子系统的输入值,直至得到全局最优解。为了能从有许多局部极小点的控制对象中得到全局最优解,我们采用转换函数来改善控制对象,这可使得从多回路控制系统中找到全局最优解变得简单。同时我们把填充函数作为辅助函数,因为正是由于辅助函数的应用可以使得极小值点移动到下一个比当前目标函数值更小的极小值点。为了验证所提出方法的有效性,我们对5个基准测试用例进行了仿真,由后面的结果可得上述方法非常有效。(本文来源于《工业控制计算机》期刊2015年12期)
张斌[10](2015)在《基于神经元网络的动态电压恢复器控制策略的研究》一文中研究指出随着工业化程度越来越高,具有高度智能化的用电设备和电力电子设备大量投入使用,这些设备对干扰较为敏感,对供电质量要求较高,同时这些非线性设备加剧了电能质量的恶化。在诸多电能质量问题中,电压跌落发生的概率最大,造成的损害也较为严重。动态电压恢复器(Dynamic Voltage Restorer,DVR)目前被公认为是解决电压跌落问题最有效、最具性价比的补偿装置。针对我国中低压电网采用叁相四线制结构,不平衡情况较多,叁单相逆变桥结构DVR可提供零序电压来解决不平衡问题。本文主要研究对象为叁单相逆变桥结构DVR。快速、准确的对电网电压进行检测是DVR解决电压跌落问题的前提。本文讨论了几种常用的电压跌落检测方法,分析了各自的优缺点。对应用广泛的单相dq变换检测方法进行研究,并提出改进方法。仿真结果表明改进方法提高了跌落电压检测的速度。本文对叁单相逆变桥结构DVR建立数学模型,在此基础上分析了前馈控制和反馈控制等传统线性控制策略的优缺点。针对DVR中的逆变单元是非线性器件,在复杂多变的工作环境中控制效果不佳,负载适应性差的缺点,在分析逆变器原理的基础上建立逆变器神经元网络模型,并将该模型应用于DVR控制中,提出一种基于径向基(RBF)神经元网络DVR控制策略。设计了RBF神经元网络控制器并采用梯度下降算法在线调整RBF网络参数,保证DVR能很好的补偿负载电压。最后,在Matlab/Simulink仿真环境下搭建DVR系统仿真模型,采用S-Function模块编程实现RBF网络运算。对DVR模型进行仿真分析,仿真结果验证了提出方案的可行性及有效性。(本文来源于《河北工业大学》期刊2015-12-01)
神经元网络控制论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为了解决低压直流微型电网的波动特性,提出了基于RBF神经网络在线辨识的单神经元PID控制的直流变换方法,该方法结合了普通PID控制结构简单和神经网络非线性系统自适应性强的特性,解决了二次直流负载端稳定的直流电源供电问题。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经元网络控制论文参考文献
[1].刘学文,任兴贵,徐定杰.基于RBF神经网络单神经元PID控制的恒功率直流变换研究[J].自动化与仪器仪表.2019
[2].刘学文,任兴贵,徐定杰.基于RBF神经网络单神经元PID控制在低压直流变换中的应用研究[J].电力与能源.2019
[3].岳光,潘玉田,张华君,刘学杰,李宇峰.多神经元神经网络算法的DSP无人侦察车伺服控制系统[J].北京理工大学学报.2019
[4].黄金侠,侯艳,宋国义,王俊发,李晶.PID神经元网络在水稻秧棚控制系统中的应用研究[J].农机化研究.2019
[5].石艳春.基于神经元网络解耦的磁选机控制系统[J].电气时代.2018
[6].宋水泉.基于改进PID神经元网络的多变量系统控制算法[J].电子科技.2016
[7].牛传峰.应用BP神经元网络提高轧机控制精度[J].自动化应用.2016
[8].蔡宇楼,吉培荣,陈成,张古月.单神经元自适应神经网络PID控制策略在DVR中的应用研究[J].叁峡大学学报(自然科学版).2016
[9].武冬冬,吕柏权,张静静.基于神经元网络的多回路控制系统的全局优化算法[J].工业控制计算机.2015
[10].张斌.基于神经元网络的动态电压恢复器控制策略的研究[D].河北工业大学.2015