基于联想记忆神经网络的电阻炉温度控制系统
针对电阻加热炉这类大滞后非线性系统的辨识与控制问题,提出了一种新型联想记忆神经网络结构和学习算法,通过反馈通道将网络输出反馈至输入层,并在通道中引入联想记忆因子,提高了对非线性系统的辨识能力,能够简单有效的建立起电阻炉的数学模型。采用具有逆辨识结构的神经网络控制方法对电阻炉进行实际控制,逆控制器的参数通过神经网络逆辨识模型得到,神经网络采用3层2-8-1结构形式。与常规PID控制相比较表明,此方法对大滞后非线性系统具有良好的控制效果和较强的抗干扰能力。
非线性系统 联想记忆 逆控制器 神经网络辨识 电阻炉 温度控制
甄然 孟华 孟凡华 陶炳坤
河北科技大学电气信息学院 石家庄 050054
国内会议
桂林
中文
294-298
2007-09-01（万方平台首次上网日期，不代表论文的发表时间）