基于分数阶的神经网络解耦控制优化方法
针对强耦合、多变量的非线性系统,提出了一种基于Caputo分数阶微分优化的BP-PID解耦控制算法.首先,应用Caputo定义的分数阶思想设计分数阶梯度下降算法,并将其应用到BP-PID控制系统,以实现多变量耦合系统的解耦控制;其次,通过测试的二维变量函数验证所提算法的收敛性;最后,在浸没式电极锅炉耦合模型中使用分数阶梯度下降算法优化的BP-PID算法,并与基于传统梯度下降算法的BP-PID算法进行对比.实验结果表明,所提算法提高了 BP-PID解耦控制器的收敛速度,并且加快了响应速度,减少了超调量,缩短了调节时间.
分数阶、梯度下降、BP神经网络、解耦控制
29
TP183(自动化基础理论)
国家自然科学基金;国家自然科学基金
2022-06-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
692-698