导读:本文包含了神经网络解耦论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,变换器,模糊,系统,焦炉,温湿度,气管。
神经网络解耦论文文献综述写法
刘昕明,吕亮,罗伟[1]（2019）在《基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制》一文中研究指出焦炉集气管压力系统具有多变量、强耦合、非线性和纯滞后等特点,难以建立准确的数学模型。文章采用基于动态模糊神经网络的逆系统方法对集气管压力系统进行解耦,建立逆系统解耦器,并且设计了集气管压力单神经元PID控制器。该方法有效地实现了多焦炉集气管压力解耦控制,能较好地满足多焦炉集气管压力控制的工艺要求。(本文来源于《无线互联科技》期刊2019年21期）
梁艺潇,李以农,余颖弘,郑玲[2]（2019）在《基于神经网络逆系统的智能汽车纵横向解耦控制》一文中研究指出针对汽车纵横向运动中的耦合现象,以四轮驱动、前轮转向的智能汽车为研究对象,建立汽车纵横向动力学模型并通过Interactor算法对模型的可逆性进行分析.在已有的传统伪线性系统结构的基础上,根据智能汽车的特点,建立了可对接智能汽车上层规划模块的伪线性系统.为了实现汽车纵横向运动之间的解耦,采用基于神经网络逆系统的解耦控制策略,构造神经网络并对其进行训练,并将神经网络逆系统与内模控制器组成闭环控制回路,对纵向速度和横摆角速度进行内模反馈调节,进一步提升控制系统的性能.仿真结果表明,所设计的基于神经网络逆系统的控制方法能实现良好的解耦特性,且相比于其他的控制方法,在各种输入条件下,都能实现对于期望速度和期望横摆角速度良好的跟踪性能,同时,质心侧偏角始终被控制在一个较小的范围内,这有利于智能汽车路径跟踪的精确性和行驶稳定性.(本文来源于《湖南大学学报(自然科学版)》期刊2019年10期）
高锦,李勇,周燕弟,章家岩[3]（2019）在《基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制》一文中研究指出锅炉燃烧控制系统是火力发电厂单元机组的主要控制系统之一,具有较大延时、变动负荷、多扰动、非线性的特点,并且其中的变量之间都具有耦合关系,因此,很难建立精确的控制模型。为此,提出了一种新的解耦方法,引入解耦参数,实现系统的解耦控制,并且在MATLAB环境下对燃烧控制系统进行了仿真,通过仿真结果可以看出,系统的控制精度大大提高。(本文来源于《江汉大学学报(自然科学版)》期刊2019年05期）
石书培,褚建新,周贤文[4]（2018）在《基于神经网络补偿的温湿度试验箱模糊解耦控制》一文中研究指出该文分析温湿度试验箱内部的温湿度耦合关系,提出采用模糊控制方法作为温湿度试验箱温度和湿度的控制方法,并采用模糊补偿方法和神经网络补偿方法对温湿度试验箱内部的温湿度耦合关系进行补偿。结果表明,该文所提出的方法可以对温湿度试验箱的温湿度进行解耦控制,使控制精度大大提高。(本文来源于《工业仪表与自动化装置》期刊2018年05期）
宋家康,彭勇刚,王晓明,年珩[5]（2019）在《基于神经网络的叁端口DC-DC变换器解耦控制策略》一文中研究指出针对隔离型叁端口有源全桥变换器(TAB)存在的实用性问题,提出一种基于神经网络的解耦控制策略。传统的TAB解耦方法主要包括硬件解耦和软件解耦,硬件解耦通过改变电路拓扑消除耦合,工作模式相对固定,而软件解耦则相对灵活。但软件解耦控制需用查表法来获得与系统运行点密切相关的解耦矩阵,该方法在系统工况复杂时存在表格维数过大、实用性不高的问题。针对该问题,提出了基于神经网络的解耦矩阵在线计算方法,有效地降低了解耦算法的空间复杂度。其次,传统的TAB恒压端口采用端口直流内环加端口电压外环的控制方法,其中端口直流电流内环用于实现端口间的解耦控制。该方法中控制回路的设计依赖于负载动态特性,在负载动态特性未知时控制器无法设计。针对该问题,采用端口电压单环控制,并利用端口直流电流的低频分量来计算解耦矩阵,提高了解耦控制算法对不同负载的适应性。通过对负载变化的情况进行仿真,仿真结果表明,该方法消除了端口间的耦合关系,提高了系统的动态响应速度。(本文来源于《电工电能新技术》期刊2019年02期）
黄永红,成小东,孙玉坤,吴红生[6]（2018）在《动物细胞悬浮培养过程神经网络逆解耦控制》一文中研究指出动物细胞的悬浮培养以细胞增殖快、生产效率高等优势,成为动物细胞大规模培养的首选方式;而动物细胞悬浮培养过程是一个非线性、强耦合的多输入多输出系统,对一些生物参数(如细胞密度、基质浓度和产物浓度)的控制是提高整个生产水平的关键,应用神经网络逆系统方法对动物细胞悬浮培养过程进行线性化解耦控制,根据培养过程的特点,给出了相应的数学模型,并证明了系统的可逆性,利用神经网络的非线性逼近能力辨识出原系统的逆系统,然后串联在原系统前面构成伪线性复合系统,使动物细胞悬浮培养过程线性化解耦成3个子系统:一阶线性细胞密度子系统、一阶线性基质浓度子系统和一阶线性产物浓度子系统,最后设计模糊PID控制器对各解耦后的线性子系统进行控制,避免了传统PID控制器最优参数选取困难的问题;仿真结果表明,神经网络逆系统方法实现了对动物细胞悬浮培养过程的线性化解耦,系统对期望输出实现了高性能跟踪控制。(本文来源于《计算机测量与控制》期刊2018年05期）
蒋景旺,尤向荣,闫东[7]（2018）在《神经网络解耦控制在某无人机组件测试系统的应用》一文中研究指出无人机组件测试系统,主要用于对某型号无人机组件进行相关性能测试和试验验证;系统的控制参数温度、压力、流量间存在强耦合关系;为了解决常规控制方法难以控制的难题,设计了一种基于PID神经元网络的前向多层解耦控制器,并利用遗传算法对神经网络的权值进行训练;将此算法在MATLAB下进行仿真,解耦控制效果较为理想,随后经航空测试系统试验验证,该控制方法可以达到设计需求,有力地支持了相关型号的研制工作。(本文来源于《计算机测量与控制》期刊2018年05期）
彭炫[8]（2018）在《基于神经网络的大棚环境变量解耦控制系统的研究与开发》一文中研究指出近年来,越来越多的先进控制方法引入农业生产种植中,使得对温室大棚环境控制技术得到了迅速发展。由于温室大棚环境变量控制系统是一个比较复杂的非线性的动态系统,温室内部的被控制对象之间相互影响、环境变量之间相互作用,同时农作物的生长也影响着温室大棚内部的环境变化,使得温室大棚环境变量控制变成一个多输入多输出的多因素耦合系统。这样使用常规的控制方法对温室大棚内的环境变量进行控制时很难取得理想的控制效果。本文围绕温室大棚内部的环境变量控制这一多种因素相互耦合被控系统,研究出一套基于BP神经网络和PID控制技术相结合的解耦控制方法应用到温室大棚环境变量控制系统中。本文首先对控制领域中应用比较广泛的几种多变量解耦控制方法进行研究与分析,对比总结出其优点以及不足之处。然后利用BP神经网络的强大的学习能力和适应性与PID控制算法相结合,针对温室大棚环境变量控制的特点,构建出基于BP神经网络的多变量PID神经元解耦控制器。利用阶跃响应曲线法建立了温室大棚环境变量控制系统的模型,并应用Matlab对PID神经元解耦控制器进行建模与仿真分析,通过对比发现经过PID神经元解耦的温室大棚环境变量控制器具有良好的解耦和控制效果。最后利用嵌入式控制技术开发设计出了一套集温室大棚的环境数据采集与存储、温室环境控制、HMI(人机交互)控制的大棚环境变量控制管理系统。并搭建了一套大棚的实验室平台。通过内网穿透技术实现了通过TCP/IP协议将实验室平台与上位机进行通讯连接。并使用Delphi开发软件,设计了一套温室大棚环境变量远程控制系统。通过搭建的实验平台对温室大棚环境变量进行了解耦控制。经结果表明,利用PID神经元解耦后的控制器在实际控制中的良好控制效果,满足实际温室大棚环境变量控制的要求。(本文来源于《新疆大学》期刊2018-05-25）
孙宇贞,张婷,李朵朵,李康[9]（2018）在《基于BP神经网络和GA-PID的超超临界锅炉系统解耦控制研究》一文中研究指出直流锅炉运行中,给水调节和燃料调节十分重要,但其各变量之间存在强耦合关系。本文针对1 000 MW超超临界机组直流锅炉中燃料和给水协调控制对象参数多变、强耦合的特点,提出了一种改进权值调整的BP神经网络分散解耦智能方法,实现系统解耦,然后采用遗传算法PID(GA-PID)控制方法对解耦后近似独立的两组对象进行控制。仿真结果表明:BP神经网络分散解耦算法具有很强的非线性映射能力和自适应解耦能力,GA-PID具有良好的控制效果,所设计的系统具有较强的鲁棒性,解耦控制方案能够达到理想的效果。(本文来源于《热能动力工程》期刊2018年05期）
陈丽娟,徐梅[10]（2018）在《神经网络逆系统在感应电机解耦控制中的应用研究》一文中研究指出目的:证明利用神经网络a阶逆系统能对多变量,强耦合,非线性的感应电机进行良好的动态解耦,并解决感应电机调速系统的稳定精度和动态品质之间的矛盾。方法:把具有函数逼近能力和学习能力的神经网络与线性化解耦的逆系统方法结合起来,通过在原有逆系统之前串接静态神经网络系统,形成解耦了的且具有线性传递关系的多阶伪线性系统,实现了感应电动机转速和转子磁链间的线性动态解耦。结果:与常规PID控制相比,神经网络逆系统控制能更好的实现转速和转子磁链之间的动态解耦,并在负载扰动下,能够更加快速地跟踪设定的转速参考值和磁链参考值,有更好的抗负载干扰能力,系统的调速性能也更加良好。结论:利用神经网络逆系统的办法,可以真正实现感应电机的解耦控制,使得异步电机转速和转子磁链之间达到线性化的动态解耦。该系统具有良好的动静态控制性能,为高性能叁相感应电机调速系统控制提供了新思路。(本文来源于《科技视界》期刊2018年13期）
神经网络解耦论文开题报告范文
（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：
针对汽车纵横向运动中的耦合现象,以四轮驱动、前轮转向的智能汽车为研究对象,建立汽车纵横向动力学模型并通过Interactor算法对模型的可逆性进行分析.在已有的传统伪线性系统结构的基础上,根据智能汽车的特点,建立了可对接智能汽车上层规划模块的伪线性系统.为了实现汽车纵横向运动之间的解耦,采用基于神经网络逆系统的解耦控制策略,构造神经网络并对其进行训练,并将神经网络逆系统与内模控制器组成闭环控制回路,对纵向速度和横摆角速度进行内模反馈调节,进一步提升控制系统的性能.仿真结果表明,所设计的基于神经网络逆系统的控制方法能实现良好的解耦特性,且相比于其他的控制方法,在各种输入条件下,都能实现对于期望速度和期望横摆角速度良好的跟踪性能,同时,质心侧偏角始终被控制在一个较小的范围内,这有利于智能汽车路径跟踪的精确性和行驶稳定性.
（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。
神经网络解耦论文参考文献
[1].刘昕明,吕亮,罗伟.基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制[J].无线互联科技.2019
[2].梁艺潇,李以农,余颖弘,郑玲.基于神经网络逆系统的智能汽车纵横向解耦控制[J].湖南大学学报(自然科学版).2019
[3].高锦,李勇,周燕弟,章家岩.基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制[J].江汉大学学报(自然科学版).2019
[4].石书培,褚建新,周贤文.基于神经网络补偿的温湿度试验箱模糊解耦控制[J].工业仪表与自动化装置.2018
[5].宋家康,彭勇刚,王晓明,年珩.基于神经网络的叁端口DC-DC变换器解耦控制策略[J].电工电能新技术.2019
[6].黄永红,成小东,孙玉坤,吴红生.动物细胞悬浮培养过程神经网络逆解耦控制[J].计算机测量与控制.2018
[7].蒋景旺,尤向荣,闫东.神经网络解耦控制在某无人机组件测试系统的应用[J].计算机测量与控制.2018
[8].彭炫.基于神经网络的大棚环境变量解耦控制系统的研究与开发[D].新疆大学.2018
[9].孙宇贞,张婷,李朵朵,李康.基于BP神经网络和GA-PID的超超临界锅炉系统解耦控制研究[J].热能动力工程.2018
[10].陈丽娟,徐梅.神经网络逆系统在感应电机解耦控制中的应用研究[J].科技视界.2018