基于动态径向基函数神经网络的多变量解耦控制
为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性,本文基于聚类结合算法和神经网络原理,提出了一种改进的基于动态径向基函数(RBF)神经网络的多变量解耦控制方法。采用聚类结合算法优化动态RBF神经网络,更好地描述了控制对象的动态行为,获得了PID参数在线调整信息,实现了多变量非线性系统的解耦控制。仿真结果表明,与基于常规RBF神经网络的PID控制方法相比,该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性,是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法。
人工神经网络 多变量解耦 非线性系统 径向基函数
李明河 王萌 施艳艳 赵世远
安徽工业大学,电气信息学院,安徽,马鞍山,243002
国内会议
杭州
中文
1701-1705
2007-10-01（万方平台首次上网日期，不代表论文的发表时间）