氣墊式流漿箱的神經(jīng)網(wǎng)絡(luò)控制.pdf

1、流漿箱是造紙機(jī)的關(guān)鍵部件之一，它的結(jié)構(gòu)和控制性能決定了紙頁的成形和紙張定量分布的均勻性、穩(wěn)定性。本文針對氣墊式流漿箱的多變量強(qiáng)耦合非線性特性，提出了神經(jīng)網(wǎng)絡(luò)混合控制方案。該方案針對非線性內(nèi)模控制結(jié)構(gòu)，給出了基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)辨識被控對象正模型和逆模型的實(shí)現(xiàn)方法，并且在內(nèi)?？刂频慕Y(jié)構(gòu)中引入了PID補(bǔ)償控制，彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)正模型和逆模型在線訓(xùn)練初期具有較大建模誤差，內(nèi)模控制效果較差的缺點(diǎn)。從仿真結(jié)果來看，神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?

2、NNIMC)加PID控制的混合控制方案比單一的NNIMC具有更快，更平穩(wěn)的控制效果。 在改進(jìn)控制方案的同時(shí)，本文也對RBFNN的學(xué)習(xí)算法進(jìn)行了一些研究，提出了一種同時(shí)具有增長和修剪功能的RBFNN網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法—擴(kuò)展資源分配網(wǎng)絡(luò)(ExtendedResourceAllocatingNetwork-ERAN)，實(shí)現(xiàn)了RBFNN的在線學(xué)習(xí)，彌補(bǔ)了當(dāng)前各種離線訓(xùn)練算法無法有效處理樣本數(shù)據(jù)的缺點(diǎn)，具有很大的實(shí)用性。在此基礎(chǔ)上，針對一般