反应釜神经网络预测控制

更新时间:2019-09-19 10:01
咨询热线：029-68990076
联系手机：13474378264
浏览次数：次

详细介绍

该预测控制主要由四部分组成：参考轨迹，预测模型，模型修正和滚动优化。主要研究对象是单输入单输出离散时间非线性动态系统。可以使用NARMAX模型（非线性自回归移动平均模型）。描述如下：

y（k）= f（y（k-1），u（k-1），... u（k-m））（3.1）

其中y（k）和u（k）分别是在时间k处的过程的鞘和输入变量，并且m是其顺序，并且f是连续非线性函数，其中预测模型被部分地前馈神经网络。同时，在预测模型中，输入数据的不正确选择使得神经网络学习算法容易陷入局部较小值或者网络不能收敛。为避免此问题，需要对输入数据进行标准化。对于（3.1）中描述的控制对象，图3.2中所示的BP神经网络可用于建立预测模型。

通常，类似的网络预测控制是基于闭环控制策略优化模型的算法。核心是使用动态模型来预测未来的流程和行为。其中，介绍了模型误差反馈校正机制，并推出了有限时域优化策略。重复本地目标在线优化。为了获得模型不匹配的较好实际控制并避免由此产生的不确定性干扰。

欢迎光临欧式特反应釜！喜欢本站您可以点击分享：

欧士特反应釜厂家

联系我们

反应釜神经网络预测控制