李晓峰
- 作品数：2 被引量：16H指数：2
- 供职机构：沈阳建筑大学信息与控制工程学院更多>>
- 发文基金：国家自然科学基金住房和城乡建设部科学技术计划项目更多>>
- 相关领域：自动化与计算机技术建筑科学更多>>
- 基于改进PSO和模糊RBF神经网络的退火炉温控制被引量：12
- 2014年
- 为提高对具有大滞后,强耦合的退火炉温度控制系统的控制精度,采用模糊径向基函数(RBF)神经网络控制炉温,并采用改进粒子群优化(PSO)算法进行优化。利用模糊推理过程与RBF神经网络所具有的函数等价性,统一系统函数。在利用改进PSO算法对模糊RBF神经网络进行训练时,先利用改进PSO算法得到模糊RBF神经网络的初始权值和阀值,然后对其进行二次优化得到最终的权值和阀值。仿真结果表明:该文方法降低了超调量,缩短了响应时间,稳态误差很小,能够拟合参考模型的输出,控制效果明显优于常规PID控制。
- 李界家李晓峰片锦香
- 关键词：改进粒子群优化算法模糊径向基函数神经网络径向基函数超调量
- 基于T-S模型模糊神经网络预测的退火炉温度控制被引量：4
- 2014年
- 目的提出一种能够提高退火炉温度控制系统的性能和精度的具体方案,增强控制系统的鲁棒性.方法针对退火炉温度控制系统具有多变量,非线性和不确定性的特点,将T-S模糊神经网络与预测控制相结合,在线建立被控对象的数学模型,并用BP神经网络控制器对所得到的信息在线修正,进而控制退火炉炉温.并通过仿真与传统的模糊PID控制方案进行对比分析.结果 T-S模糊神经网络预测控制方案具有较强的控制精度和动态性能,预测精度高、容错性好、收敛速度快,基本无超调等特点.结论 T-S模糊神经网络预测控制能够提高产品退火质量、节能环保,可以应用于退火炉炉温的优化控制.
- 于谨李晓峰
- 关键词：退火炉BP神经网络预测控制
