已閱讀1頁,還剩81頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、電廠熱工過程對象具有延遲、時變、非線性和耦合等特點,難以建立精確的數(shù)學模型,傳統(tǒng)的建模方法不能滿足仿真技術發(fā)展對模型精度提出的更高要求;常規(guī)PID控制在電廠熱工過程控制中難以取得滿意的控制效果,基于現(xiàn)代控制理論的控制方案因其對模型的精度要求高,難以廣泛地應用于電廠熱工過程控制中。人工神經網絡具有聯(lián)想、記憶、自適應、自學習和適于處理非線性問題等優(yōu)點,提供了辯識時變和非線性對象有效的方法,解決了此類對象控制中的瓶頸問題。 本文采用最
2、小資源分配網絡(MRAN)分別建立了過熱汽溫和單元機組負荷的神經網絡模型,并將過熱汽溫神經網絡模型轉化為傳遞函數(shù)模型,仿真結果表明該模型具有動態(tài)調節(jié)隱含層單元數(shù)、學習速度快和精度高等特點。針對電廠熱工過程的特性、在已有控制策略的基礎之上,進一步研究并提出了模糊神經元自適應控制、基于反饋誤差學習原理的資源分配網絡控制和神經網絡解耦預測函數(shù)控制等新方法。由于這些控制策略無需被控對象的數(shù)學模型,而且適應性較廣,分別將這些控制策略應用于給水控制
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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。
最新文檔
- 基于神經網絡的熱工過程動態(tài)建模.pdf
- 徑向基函數(shù)神經網絡及在電廠熱工過程建模和控制中的應用研究.pdf
- 模糊神經網絡及其在熱工建模與控制中的應用研究.pdf
- 基于神經網絡的熱工過程辨識研究.pdf
- 自適應模糊系統(tǒng)及神經網絡在熱工過程建模與控制中的應用研究.pdf
- 自適應神經網絡及其在熱工過程建模與預測控制中的應用研究.pdf
- 火電廠熱工過程多模型建模與控制研究.pdf
- 基于多模型的熱工過程神經網絡預測控制研究.pdf
- 神經網絡在熱工系統(tǒng)辨識與控制中的應用.pdf
- 基于模糊神經網絡的發(fā)酵過程建模與控制.pdf
- 過程神經網絡建模方法的研究與應用.pdf
- 反饋神經網絡在熱工系統(tǒng)建模中的應用.pdf
- 模糊神經網絡理論及其在熱工建模和控制中的應用研究.pdf
- SCR脫硝過程神經網絡建模及控制.pdf
- 模糊系統(tǒng)與神經網絡在熱工過程中的應用研究.pdf
- 基于神經網絡的發(fā)酵過程建模
- 熱工故障的模糊神經網絡診斷方法研究.pdf
- 神經網絡結構優(yōu)化及在熱工過程控制中的應用研究.pdf
- 鍋爐典型非線性過程的神經網絡建模和控制研究.pdf
- 基于模糊神經網絡的熱電廠脫硫系統(tǒng)建模與控制研究.pdf
評論
0/150
提交評論