基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
烧结炉在加热过程中,模型参数易发生变化,而传统的PID控制很难达到理想的控制效果.本文运用粒子群优化算法辨识烧结炉的数学模型,针对烧结炉惯性大、时变、大滞后等特点,采用基于RBF神经网络的监督控制,将PID控制与神将网络控制相结合.当温度或模型参数发生较大变化时,PID控制起主要作用,神经网络起调节作用,补偿PID控制的不足.MATLAB软件仿真结果说明,该方法能够提高烧结炉的控制精度,具有一定的实用性.
推荐文章
粒子群优化算法训练神经网络辨识混沌系统
神经网络
混沌系统
粒子群优化算法
系统辨识
基于粒子群算法的PID神经网络解耦控制
粒子群算法
PID控制
解耦控制
多变量系统
基于改进粒子群优化算法的灰色神经网络模型
粒子群算法
灰色神经网络模型
预测
改进的粒子群算法优化神经网络及应用
神经网络权值
粒子群优化算法
动态惯性权重
变异与交叉
有效性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于粒子群算法的烧结炉系统辨识及神经网络控制
来源期刊 郑州大学学报(工学版) 学科 工学
关键词 粒子群算法 系统辨识 神经网络监督控制 PID控制
年,卷(期) 2017,(5) 所属期刊栏目 电气与控制工程
研究方向 页码范围 39-43
页数 5页 分类号 TP273
字数 3058字 语种 中文
DOI 10.13705/j.issn.1671-6833.2017.02.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘洪 兰州交通大学机电工程学院 5 4 1.0 2.0
2 袁忠于 兰州交通大学机电工程学院 2 3 1.0 1.0
3 曹奔 兰州交通大学机电工程学院 3 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (15)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (11)
二级引证文献  (6)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(5)
  • 参考文献(3)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(6)
  • 引证文献(2)
  • 二级引证文献(4)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
粒子群算法
系统辨识
神经网络监督控制
PID控制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
郑州大学学报(工学版)
双月刊
1671-6833
41-1339/T
大16开
河南省郑州市科学大道100号
36-232
1980
chi
出版文献量(篇)
3118
总下载数(次)
0
总被引数(次)
21814
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导