基于数据分类的自适应比例阀神经网络建模
针对电液比例阀中由于电压、流量非线性耦合引起的开环控制精度低的问题，采用基于数据分类的BP神经网络方法建立了比例阀电压-流量-压力静态模型。方法中提出了基于死区、滞环的数据分类原则，有效地降低了比例阀的死区、滞环等非线性因素对建模精度的影响，同时，改进了网络误差函数，提高了系统建模速度，并对模型进行了试验验证。试验结果表明：改进的神经网络建立的模型能准确反映比例阀的死区、滞环的特点，模型泛化性好，系统开环控制精度高。另外利用定期模型自校准的方法整定模型参数，实时修正模型，提高模型准确度和控制精度。
非线性模型 BP神经网络 电液比例阀 数据分类 自适应
肖俏 汪首坤 王军政
北京理工大学自动化学院,北京100081
国内会议
北京
中文
1352-1356
2010-07-29（万方平台首次上网日期，不代表论文的发表时间）