2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩132頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、現(xiàn)代工業(yè)對象的非線性、大時滯、強耦合、不確定性和時變性等復雜性一直是困擾過程控制領域的難題,智能優(yōu)化算法和智能控制理論應運而生,已經(jīng)成為當前控制領域的一個研究熱點,成為解決各類復雜系統(tǒng)控制問題的重要工具。本文在掌握國內(nèi)外研究現(xiàn)狀的基礎上,將先進控制技術和智能控制方法相融合,提出了無模型智能預測控制方案,主要研究內(nèi)容和成果概括如下:
   (1)、分析了人工免疫優(yōu)化算法原理與特點,針對克隆選擇算法具有容易陷入局部最優(yōu)等不足,對其進

2、行了改進,提出了免疫記憶多克隆算法(MMCSA)。主要改進措施有:采用浮點編碼;增加了四種操作算子;自適應調整算法參數(shù);根據(jù)親和度大小將整個抗體群劃分為四類,每類抗體群采用不同的操作算子。從理論上證明了該算法的收斂性,對典型測試函數(shù)的優(yōu)化證明了該算法能夠全局收斂。
   (2)、對模糊C-均值(FCM)聚類算法進行了改進,提出了模糊核層次聚類算法(FKLC)。主要改進措施有:引入了核聚類方法;增加了截集算子:采用MMCSA算法優(yōu)

3、化性能函數(shù)進行全局尋優(yōu):采用二叉樹分裂方式進行層次聚類。仿真結果證明了該算法能有效克服FCM算法不足。
   (3)、在研究T-S型RBF模糊神經(jīng)網(wǎng)絡(T-SRBFFNN)的基礎上提出了一種T-S型動態(tài)遞歸RBF模糊神經(jīng)網(wǎng)絡(T-SDRRBFFNN),給出了其拓撲模型,從理論上證明了它的收斂性,對其重點研究了學習算法。離線學習階段,采用FKLC算法和MMCSA算法分別確定該網(wǎng)絡的前件和后件;在線學習階段,先動態(tài)調整網(wǎng)絡結構,然后

4、采用分組局部優(yōu)化策略,對隱含層和反饋層的參數(shù)采用動態(tài)BP算法,對輸出層權值采用新型的無模型優(yōu)化算法(MFOA)。對非線性系統(tǒng)的辨識仿真結果證明了T-SDRRBFFNN比T-SRBFFNN有更強的逼近能力。
   (4)、由NARMAX模型推導出了無模型控制算法(MFAC),從理論上證明了該算法的收斂性和合理性,在此基礎上提出了廣義無模型控制算法(GMFAC)。仿真結果證明了GMFAC比M.AC更適合控制較大時滯的非線性系統(tǒng)。

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。

評論

0/150

提交評論