改进RBF神经网络对液压AGC系统的预测控制

论文摘要

针对传统预测控制基于线性预测模型的弊端,通过改进RBF神经网络结构构建预测模型,解决对象非线性及时变问题,并给出控制率的具体推导过程.以轧机液压厚度自控(AGC)系统为对象进行仿真实验,结果表明:改进RBF预测控制器性能更优.

论文目录

• 1 改进RBF神经网络
•   1.1 改进RBF神经网络结构
•   1.2 改进RBF神经网络学习算法
• 2 改进RBF神经网络预测控制
•   2.1 参考轨迹
•   2.2 预测模型
•   2.3 滚动优化
•   2.4 误差校正
• 3 控制系统结构
• 4 仿真分析
•   4.1 液压AGC系统数学模型
•   4.2 控制系统仿真
• 5 总结

文章来源

类型: 期刊论文

作者: 许鹏,李绍铭

关键词: 液压,神经网络,预测控制

来源: 宜宾学院学报 2019年06期

年度: 2019

分类: 社会科学Ⅱ辑,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,机械工业,自动化技术

单位: 安徽工业大学电气与信息工程学院

分类号: TH137;TP183

DOI: 10.19504/j.cnki.issn1671-5365.20190326.001

页码: 27-30

总页数: 4

文件大小: 1550K

下载量: 220