一种径向基函数神经网络预测在超临界温度控制系统中的应用研究

• 作者: 方彦军 李云娟
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 径向基函数 神经网络预测 全局最优 在线学习 动态优化
• 年，卷（期）: 2010,（11）
• 页码范围: 109-113
• 分类号: TP273
• 字数: 3152字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2010.11.031

摘要

超临界温度控制系统具有较大的惯性、时滞和非线性,且动态特性随运行工况而改变,难以建立其精确的数学模型,本文采用GGAP算法的RBF神经网络构成神经网络预测控制器,将在线学习和预测控制相结合,以某超临界电厂主汽温度为研究对象,MATLAB仿真实验表明,该方法能对超临界温度控制系统实现有效的控制,动态性能较传统的PID控制有较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方彦军	武汉大学自动化系	228	1619	20.0	26.0
2	李云娟	昆明学院自动控制与机械工程系	7	16	2.0	3.0