模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2006, Vol. 19 Issue (6): 734-738    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于混合径向基神经网络的建模及其逆模控制研究
陈宗海1,2,苑明哲2,向微1,张彦武2
1.中国科学技术大学 自动化系 合肥 230027
2.中国科学院沈阳自动化研究所 工业控制研究室 沈阳 110016
Modeling Based on Hybrid Radial Basis Function Neural Networks and Its Backward Model Control
CHEN ZongHai1,2, YUAN MingZhe2, XIANG Wei1, ZHANG YanWu2
1.Deparment of Automation, University of Science and Technology of China, Hefei 230027
2.Industry Control Laboratory, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016

全文: PDF (504 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 传统的基于机理或局部线性化模型的控制策略不足以解决越来越复杂的控制问题,而神经网络用于控制也存在泛化能力差等缺陷,因此本文提出一种将被控对象已知机理和RBF神经网络结合起来实现逆模控制的方法.一方面能发挥神经网络非线性逼近的强大功能,另一方面利用被控对象已知机理信息指导神经网络的收敛方向,改进神经网络的泛化能力.由此方法设计的逆模控制器,在保证控制精度的前提下,速度远快于标准径向基神经网络逆模控制器,且对扰动、时延、非线性及对象参数的摄动有较强的适应能力,具有良好的控制品质.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
陈宗海
苑明哲
向微
张彦武
关键词 标准径向基神经网络混合径向基神经网络机理模型逆模控制    
Abstract:Traditional control methods are not satisfactory in more and more complex process control, and the generalization ability of neural networks in control is weak. In this paper, a novel structure, the combinations of the process fundamentals and RBFNN is presented to direct the neural network convergence and exert the excellent capability on nonlinear approach of neural networks. Simulation results show that the compute velocity of the backward model controller using the hybrid RBFNN, while the control precision index is ensured, is much higher than the backward model controllers using common RBFNN. The hybrid RBFNN backward model controller also has excellent control quality and shows good adaptation to disturbance, time delay, nonlinear and the drift of plant parameters.
Key wordsStandard Radial Basis Function Neural Networks    Hybrid Radial Basis Function Neural Networks    Plant Mechanism Modeling    Backward Model Control   
收稿日期: 2005-08-29     
ZTFLH: TP273  
作者简介: 陈宗海,男,1963年生,教授,博士生导师,主要研究方向为复杂系统的建模仿真与控制、模式识别与智能系统、量子控制等.E-mail: chenzh@ustc.edu.cn.苑明哲,男,1971年生,博士研究生,主要研究方向为现场总线、分布式控制系统、先进过程控制.向微,女,1980年生,博士研究生,主要研究方向为智能建模与控制.张彦武,男,1964年生,研究员,主要研究方向为系统建模与仿真、分布式计算机控制系统、低成本自动化和系统集成技术等.
引用本文:   
陈宗海,苑明哲,向微,张彦武. 基于混合径向基神经网络的建模及其逆模控制研究[J]. 模式识别与人工智能, 2006, 19(6): 734-738. CHEN ZongHai, YUAN MingZhe, XIANG Wei, ZHANG YanWu. Modeling Based on Hybrid Radial Basis Function Neural Networks and Its Backward Model Control. , 2006, 19(6): 734-738.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2006/V19/I6/734
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn