版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著遺傳算法、模糊控制、人工神經(jīng)網(wǎng)絡、無模型控制等新技術的發(fā)展和應用,對于實際工業(yè)過程多為非線性系統(tǒng)的特殊性,如何有效地采用各種信息處理手段,應用人工智能等新技術來建立高精度的信息預測模型,成為控制工程界研究的一個熱點。
無模型控制不需要建立被控對象的數(shù)學模型,它只是依據(jù)功能組合的思想或功能模塊組合的思想,以被控對象對控制器的性能要求為導向,把系統(tǒng)辨識與控制參數(shù)的設計相結合,抗干擾能力強。預測控制的優(yōu)點是在線滾動優(yōu)化,利用系統(tǒng)
2、實測輸出與預測模型輸出之間的誤差來反饋校正模型參數(shù),魯棒性強。無模型控制和預測控制相結合不僅可以解決被控對象對模型過度依賴的問題,還可以實時優(yōu)化系統(tǒng)參數(shù)。
三容水箱液位控制系統(tǒng)是模擬多容器流程系統(tǒng)的多輸入多輸出、大遲延、非線性、藕合系統(tǒng),是工業(yè)現(xiàn)場的多種典型的代表之一。首先,本文將預測控制、神經(jīng)網(wǎng)絡和無模型控制相結合,提出和推導了無模型控制律與預測控制相結合的無模型預測控制算法,發(fā)揮了各自的優(yōu)點,克服各自的缺點。其次,由于在無
3、模型預測控制律中,模型特征向量是比較重要的參數(shù),它具有時變性和非線性特征,利用神經(jīng)網(wǎng)絡模型來實現(xiàn)它的預測值的求取。仿真實例證明,采用神經(jīng)網(wǎng)絡對模型特征向量進行求解的無模型預測的跟蹤性能良好,抗干擾能力增強。最后,借助實驗系統(tǒng)的軟硬件設施,利用封裝的無模型控制器和無模型預測控制器分別對三容水箱系統(tǒng)模型進行仿真研究,在此過程中,利用OPC toolbox實現(xiàn)Matlab和MCGS之間的實時通訊,并將無模型預測控制用于水箱液位的實際控制中,控
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于預測控制算法的三容水箱液位控制.pdf
- RBF-ARX模型在三容水箱液位預測控制系統(tǒng)中的應用.pdf
- 三容水箱液位無模型自適應控制的仿真與實驗研究.pdf
- 基于小波神經(jīng)網(wǎng)絡的多容水箱液位預測控制.pdf
- 水箱液位系統(tǒng)的RBF-ARX模型與預測控制的研究.pdf
- 三容水箱液位控制系統(tǒng)算法研究.pdf
- 雙容水箱液位模糊控制
- 雙容水箱液位的內(nèi)模PID控制研究.pdf
- 三容水箱液位控制與網(wǎng)絡虛擬實驗研究.pdf
- 雙容水箱液位控制系統(tǒng)
- 三容水箱液位串級控制系統(tǒng)的設計
- 基于模糊PID的三容水箱液位控制的設計.pdf
- 網(wǎng)絡環(huán)境下三容水箱液位控制系統(tǒng)的研究.pdf
- 模糊PID控制在三容水箱液位控制中的應用研究.pdf
- 四容水箱混雜系統(tǒng)的建模與預測控制研究.pdf
- 過程控制課程設計—三容水箱液位控制系統(tǒng)的設計
- 基于自適應模糊PID控制的多容水箱的液位控制.pdf
- 自動控制課程設計-—三容水箱液位控制系統(tǒng)設計
- 基于神經(jīng)網(wǎng)絡的三容水箱液位控制系統(tǒng)辨識.pdf
- 基于模糊PID的三容水箱液位控制系統(tǒng)應用研究.pdf
評論
0/150
提交評論