LMBP神經(jīng)網(wǎng)絡(luò)內(nèi)??刂圃诰酆戏磻?yīng)中的應(yīng)用.pdf_第1頁(yè)
已閱讀1頁(yè),還剩53頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文研究基于LMBP神經(jīng)網(wǎng)絡(luò)內(nèi)??刂圃诒┚酆戏磻?yīng)產(chǎn)物組分控制領(lǐng)域的應(yīng)用。利用神經(jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)的逼近能力,把神經(jīng)網(wǎng)絡(luò)控制推廣到聚合反應(yīng)過(guò)程質(zhì)量指標(biāo)控制這一非線性系統(tǒng)中??刂撇呗圆捎脙?nèi)??刂?,內(nèi)??刂撇呗允且环N新的、很有發(fā)展?jié)摿Φ目刂萍夹g(shù)技術(shù)。選用(LMBP)神經(jīng)網(wǎng)絡(luò)作為訓(xùn)練網(wǎng)絡(luò),LMBP網(wǎng)絡(luò)是一種性能良好的前向網(wǎng)絡(luò),它不僅能保證全局收斂,而且具有最佳逼近性能。通過(guò)反應(yīng)機(jī)理的推導(dǎo),建立了丙烯聚合反應(yīng)過(guò)程的正模型(內(nèi)部模型)以及逆模型(

2、控制器模型),實(shí)現(xiàn)對(duì)組分的有效控制。仿真結(jié)果證明,基于神經(jīng)網(wǎng)絡(luò)算法的內(nèi)模預(yù)測(cè)控制策略達(dá)到了較好的控制質(zhì)量。 針對(duì)以丙烯聚合反應(yīng)為對(duì)象的基于神經(jīng)網(wǎng)絡(luò)的內(nèi)模控制,本人完成的工作主要有: 1.查閱文獻(xiàn)資料,了解聚合反應(yīng)原理,熟悉丙烯聚合反應(yīng)過(guò)程,熟悉了聚合物的各種質(zhì)量指標(biāo);掌握人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)、結(jié)構(gòu)和算法;理解常規(guī)內(nèi)??刂品椒ê徒Y(jié)構(gòu),學(xué)習(xí)和研究基于神經(jīng)網(wǎng)絡(luò)的內(nèi)??刂撇呗浴?2.研究帶有LMBP神經(jīng)網(wǎng)絡(luò)的內(nèi)??刂圃诒?/p>

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論