您的位置: 专家智库 > >

北京市教育委员会科技发展计划(KM200710028017)

作品数:3 被引量:12H指数:3
相关作者:袁晓红王旭仁柏玲何花更多>>
相关机构:首都师范大学更多>>
发文基金:北京市教育委员会科技发展计划更多>>
相关领域:自动化与计算机技术冶金工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇最优控制
  • 2篇解耦
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络解耦
  • 1篇神经网络解耦...
  • 1篇燃烧
  • 1篇燃烧控制
  • 1篇燃烧系统
  • 1篇热风炉
  • 1篇解耦控制
  • 1篇解耦算法
  • 1篇仿真
  • 1篇补偿器

机构

  • 2篇首都师范大学

作者

  • 2篇王旭仁
  • 2篇袁晓红
  • 1篇何花
  • 1篇柏玲

传媒

  • 1篇计算机工程与...
  • 1篇首都师范大学...

年份

  • 1篇2009
  • 1篇2008
3 条 记 录,以下是 1-2
排序方式:
神经网络解耦控制在多变量控制系统中的应用被引量:3
2008年
应用神经网络解耦控制,实现多变量系统的最优控制.通过引入神经网络环节,对多变量系统进行解耦,解耦后的子系统变为单变量系统.因此将多变量控制变成单变量控制.解耦控制采用前馈补偿器解耦,解耦补偿器采用BP神经网络结构.仿真结果表明,该控制策略具有较好的动态跟踪特性,能满足复杂多变量控制系统的控制要求.
袁晓红王旭仁柏玲
关键词:神经网络解耦控制最优控制仿真
热风炉燃烧系统最优控制被引量:4
2009年
热风炉燃烧系统是复杂多变量系统,基于最优控制策略,对具有耦合作用的多变量热风炉燃烧系统进行解耦。通过引入神经网络环节,将强耦合多变量系统转化成多个独立的单变量系统,对每个单变量系统进行预测函数控制,实现热风炉燃料流量的最优控制和拱顶温度及废气温度的平稳控制。解耦控制采用前馈补偿器解耦,解耦补偿器采用BP神经网络结构。现场实际应用结果表明,该控制策略具有较好的动态跟踪特性,能满足复杂多变量控制系统的实时控制要求。
袁晓红何花王旭仁
关键词:燃烧控制补偿器解耦算法
共1页<1>
聚类工具0