一种神经网络自学习控制结构与算法
@@1 引言
神经网络自学习控制代表性结果之一[1]是采用一个多层前馈网络(对象仿真器)辨
识被控对象,采用另一个神经网络(控制器)学习控制仿真器后,再控制真实对象这个思想
对于解决复杂工业过程对象优化控制问题具有一定意义.但是,直接应用仍存在问题:1)其中
对象仿真器结构、对象模型结构、控制器训练结构是基于状态空间模型,要求状态变量可测.
在一般过程控制中,这个条件不是总能得到满足.2)未考虑控制量存在约束情况.本文提出面
向输入输出模型的仿真器网络,推出学习算法, 提出控制器训练结构并推出学习算法,实现约
束控制下的多目标终态控制,并将结果应用于感应加热系统,实现温度优化控制.
神经网络、自学习控制、训练算法、优化控制、温度控制
26
TP2(自动化技术及设备)
北京交通大学校科研和教改项目
2004-03-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
568-571