基于PSO和BP復(fù)合算法的模糊神經(jīng)網(wǎng)絡(luò)控制器
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>963KB
頁數(shù):3P
人氣 :77
4.6
為了克服單獨應(yīng)用粒子群算法(PSO)或BP算法訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)控制器參數(shù)時存在的缺陷,提出了一種訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)參數(shù)的PSO+BP算法。該算法將二者相結(jié)合,即在PSO算法中加入一個BP算子,以充分利用PSO算法的全局尋優(yōu)能力和BP算法的局部搜索能力,從而更有效地提高其收斂速度、訓(xùn)練效率和提高該模糊神經(jīng)網(wǎng)絡(luò)控制器的控制效果。最后的仿真實驗結(jié)果驗證了該基于PSO+BP復(fù)合算法的模糊神經(jīng)網(wǎng)絡(luò)控制器的有效性和可行性。
基于BP算法的逆變點焊電源模糊神經(jīng)網(wǎng)絡(luò)控制研究
格式:pdf
大小:268KB
頁數(shù):5P
引入動量因子對常規(guī)bp學(xué)習(xí)算法進行了改進。在分析模糊神經(jīng)網(wǎng)絡(luò)控制模型的基礎(chǔ)上,針對模糊神經(jīng)網(wǎng)絡(luò)規(guī)則多、訓(xùn)練時間長的缺點,采用了給模糊控制規(guī)則增加閾值,減少網(wǎng)絡(luò)訓(xùn)練運算量的優(yōu)化方法。最后將此優(yōu)化方法和改進的訓(xùn)練算法應(yīng)用到逆變點焊電源模糊神經(jīng)網(wǎng)絡(luò)(fnn)恒電流控制系統(tǒng)中,通過使用matlab語言編程,對該系統(tǒng)進行了仿真分析。仿真結(jié)果表明,動量因子的引入不但減小了bp算法學(xué)習(xí)過程的振蕩趨勢,加快了收斂速度,而且較好解決了bp網(wǎng)絡(luò)容易陷入局部極小點的缺陷。模糊規(guī)則閾值的引入,有效減少了網(wǎng)絡(luò)的訓(xùn)練時間。
一種新的復(fù)合神經(jīng)網(wǎng)絡(luò)控制器
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>366KB
頁數(shù):3P
目的介紹一種新的復(fù)合神經(jīng)網(wǎng)絡(luò)控制器的結(jié)構(gòu)。方法結(jié)合傳統(tǒng)控制、神經(jīng)網(wǎng)絡(luò)監(jiān)督控制、神經(jīng)網(wǎng)絡(luò)逆控制的優(yōu)點提出復(fù)合控制器方案,建立用它控制水箱系統(tǒng)的水位和溫度的仿真模型,并進行計算機仿真。結(jié)果仿真實驗表明,復(fù)合神經(jīng)網(wǎng)絡(luò)控制器中的pd控制器、神經(jīng)網(wǎng)絡(luò)監(jiān)督控制器、神經(jīng)網(wǎng)絡(luò)逆控制器,可以協(xié)同工作,也可以在某種程度上單獨工作。結(jié)論復(fù)合神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的魯棒性和抗干擾性得到提高。
基于變論域電阻點焊模糊神經(jīng)網(wǎng)絡(luò)控制方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>1.0MB
頁數(shù):6P
4.6
為提高電阻點焊的控制精度和焊接質(zhì)量,根據(jù)電阻點焊過程的特點和要求,通過集成變論域、人工神經(jīng)網(wǎng)絡(luò)和模糊控制技術(shù),提出了基于變論域電阻點焊模糊人工神經(jīng)網(wǎng)絡(luò)控制方案,開發(fā)了四層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),分析了計算過程,推導(dǎo)了四層模糊神經(jīng)網(wǎng)絡(luò)各層的計算方法和計算公式,研究了輸入輸出變論域伸縮因子的確定方法,定義了輸入變量的7個模糊子集和輸出變量的13個模糊子集,確定了49條模糊控制規(guī)則,研究開發(fā)了一種電阻點焊變論域模糊人工神經(jīng)網(wǎng)絡(luò)控制器,結(jié)合實際產(chǎn)品的設(shè)計開發(fā)進行了試驗研究與分析,證明了變論域電阻點焊模糊神經(jīng)網(wǎng)絡(luò)控制方法的優(yōu)越性.
中央空調(diào)房間溫度模糊神經(jīng)網(wǎng)絡(luò)控制器的仿真研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>527KB
頁數(shù):4P
4.4
根據(jù)我國當前智能建筑中央空調(diào)控制系統(tǒng)傳統(tǒng)pid控制存在的問題,依據(jù)控制對象為一大滯后大慣性環(huán)節(jié)的特點,對一種模糊神經(jīng)網(wǎng)絡(luò)的控制器進行了仿真研究,以期改善空調(diào)控制系統(tǒng)的動靜態(tài)特性,并能達到節(jié)能的效果。
模糊神經(jīng)網(wǎng)絡(luò)控制器在ROV機械手上的應(yīng)用研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>459KB
頁數(shù):3P
4.6
針對水下機器人機械手抓取專用工具及操作準確、快速、可靠平穩(wěn)的要求,設(shè)計一種應(yīng)用rov的模糊神經(jīng)網(wǎng)絡(luò)控制器。該控制器將pid控制、模糊控制和神經(jīng)網(wǎng)絡(luò)相結(jié)合,設(shè)計一種基于模糊神經(jīng)網(wǎng)絡(luò)(fnn)的復(fù)合控制器,并將其應(yīng)用于機械手的位置控制中,研究變軌跡變周期情況下機械手的位移跟蹤特性。仿真結(jié)果表明:該控制器具有良好的動態(tài)、穩(wěn)定性能以及較強的魯棒性,能夠使水下機器人的機械手操作快速準確平穩(wěn)。
變風(fēng)量空調(diào)系統(tǒng)末端的模糊神經(jīng)網(wǎng)絡(luò)控制研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>182KB
頁數(shù):4P
3
變風(fēng)量空調(diào)系統(tǒng)末端的模糊神經(jīng)網(wǎng)絡(luò)控制研究——針對目前傳統(tǒng)pid控制對模型依賴性強,難以在線調(diào)整,有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動態(tài)性能差的特點,提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng).建立了模糊神經(jīng)網(wǎng)絡(luò)控制器.基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的...
注塑機料筒溫度的模糊神經(jīng)網(wǎng)絡(luò)控制研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>603KB
頁數(shù):5P
4.3
以精密注射成型中的料筒溫度控制為研究對象,應(yīng)用現(xiàn)代人工智能控制理論,將模糊控制和人工神經(jīng)網(wǎng)絡(luò)控制二者有機結(jié)合,創(chuàng)建了注塑機料筒溫度模糊神經(jīng)網(wǎng)絡(luò)控制的基本結(jié)構(gòu)及其算法模型;運用matlab軟件編寫模糊神經(jīng)網(wǎng)絡(luò)代碼,對3段料筒溫度的模糊神經(jīng)網(wǎng)絡(luò)控制進行了仿真,獲得了比較滿意的控制效果。仿真表明,提出的新型控制策略,對于提高精密注塑機料筒的溫度控制精度,具有重要的參考價值。
基于模糊神經(jīng)網(wǎng)絡(luò)控制的CO_2焊接逆變電源
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>265KB
頁數(shù):未知
4.6
針對模糊邏輯在co2焊接逆變電源控制中存在響應(yīng)速度慢、精確性不高的問題,嘗試采用模糊神經(jīng)網(wǎng)絡(luò)控制算法,對焊接電弧電壓進行控制。闡述了模糊神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計過程,并對所設(shè)計的模糊神經(jīng)網(wǎng)絡(luò)控制器和模糊邏輯控制器進行仿真對比研究,結(jié)果表明模糊神經(jīng)網(wǎng)絡(luò)具有更快的響應(yīng)速度和更高的穩(wěn)定性;整體仿真研究也表明所設(shè)計的控制系統(tǒng)可以更加快速準確地控制弧長的穩(wěn)定。
變風(fēng)量空調(diào)系統(tǒng)末端的模糊神經(jīng)網(wǎng)絡(luò)控制研究
格式:pdf
大小:465KB
頁數(shù):4P
4.7
針對目前傳統(tǒng)pid控制對模型依賴性強,難以在線調(diào)整,對具有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動態(tài)性能差的特點,提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng).建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的數(shù)學(xué)模型進行了仿真研究.結(jié)果表明,該控制策略比傳統(tǒng)pid控制更適合于vav系統(tǒng),控制系統(tǒng)具有更好的魯棒性和自適應(yīng)能力,可以取得更優(yōu)的動態(tài)性能.
鋁包鋼絲中頻加熱的模糊神經(jīng)網(wǎng)絡(luò)控制技術(shù)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>443KB
頁數(shù):5P
4.7
在鋁包鋼絲生產(chǎn)過程中,采用在線中頻感應(yīng)加熱方式。基于中頻感應(yīng)加熱條件,針對鋼絲直徑、鋼絲運行速度、加熱溫度、中頻頻率、中頻電壓、中頻電流、中頻功率、加熱爐長度之間的函數(shù)關(guān)系,建立了連續(xù)包覆過程的多變量神經(jīng)網(wǎng)絡(luò)控制方法。經(jīng)過多次實驗和篩選,選出有效數(shù)據(jù),多個模式反復(fù)學(xué)習(xí),直至網(wǎng)絡(luò)全局誤差函數(shù)e小于預(yù)先設(shè)定的一個極小值。通過網(wǎng)絡(luò)訓(xùn)練和仿真分析得到較佳的解決方法,該方法應(yīng)用在鋁包鋼絲連續(xù)包覆生產(chǎn)線上,較好地解決了鋼絲加熱控制難的問題。
高層建筑橫風(fēng)向反應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)控制
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>2.8MB
頁數(shù):7P
4.5
介紹了第3代結(jié)構(gòu)風(fēng)振控制基準問題的定義。通過觀測部分樓層加速度和控制力輸出,建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,解決了傳統(tǒng)控制中有限的傳感器數(shù)目對系統(tǒng)振動狀態(tài)估計的困難;利用模糊神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)構(gòu)的控制行為,消除了閉環(huán)控制系統(tǒng)中存在的時滯;通過模糊神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習(xí)功能,解決了土木工程復(fù)雜結(jié)構(gòu)模糊控制中難以依據(jù)專家的主觀經(jīng)驗來確定模糊控制規(guī)則和語言變量隸屬函數(shù)等困難。以風(fēng)振控制的基準問題為研究對象,編制了程序?qū)κ芸叵到y(tǒng)進行數(shù)值仿真分析。分析表明,模糊神經(jīng)網(wǎng)絡(luò)控制策略能有效地抑制高層建筑的風(fēng)振反應(yīng)。
模糊神經(jīng)網(wǎng)絡(luò)控制在中央空調(diào)中的研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>774KB
頁數(shù):5P
4.4
中央空調(diào)作為廣泛使用的高能耗系統(tǒng),其節(jié)能問題受普遍關(guān)注。針對傳統(tǒng)的定流量方法存在的問題,本文提出采用改進的負荷隨動跟蹤方法,實時監(jiān)測中央空調(diào)的負荷,并由計算機控制水泵電機,降低主機能耗。利用模糊神經(jīng)網(wǎng)絡(luò)理論,建立符合隨動跟蹤的模型,并利用實際數(shù)據(jù)進行系統(tǒng)仿真。仿真結(jié)果表明,此方法提高中央空調(diào)的工作效率,實現(xiàn)良好的節(jié)能效果。
基于模糊神經(jīng)網(wǎng)絡(luò)的故障檢測算法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>156KB
頁數(shù):5P
4.4
為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測評價方法和最小偏差的優(yōu)化模型,設(shè)計了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過建立網(wǎng)絡(luò)仿真平臺,深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時對比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.
基于PSO-BP神經(jīng)網(wǎng)絡(luò)算法的設(shè)計施工耦合
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>1.3MB
頁數(shù):7P
4.6
設(shè)計與施工的交互耦合分析對建設(shè)工程的發(fā)展具有極其重要的研究意義。這種交互耦合關(guān)系能從客觀上反映出兩個系統(tǒng)的耦合程度和耦合協(xié)調(diào)發(fā)展態(tài)勢。為了較科學(xué)地研究兩者的耦合態(tài)勢情況,文章建立了設(shè)計與施工兩個系統(tǒng)交互耦合的數(shù)學(xué)模型,并系統(tǒng)性分析了2010—2015年設(shè)計與施工耦合度、耦合協(xié)調(diào)度曲線變化情況。研究表明,設(shè)計與施工過程處于高水平耦合階段,且兩系統(tǒng)的整體發(fā)展水平表現(xiàn)不均衡。在此基礎(chǔ)上利用pso-bp神經(jīng)網(wǎng)絡(luò)算法對2016—2017年的交互耦合態(tài)勢進行預(yù)測,選取了1996—2015年建筑業(yè)設(shè)計、施工相關(guān)數(shù)據(jù)作為訓(xùn)練樣本,從中均勻抽取4組作為測試樣本。該測試結(jié)果得到的預(yù)測值與實際值符合程度比較好,且預(yù)測精度較高。最后文章給出了設(shè)計與施工兩個系統(tǒng)在處于高水平耦合階段下,提高耦合協(xié)調(diào)度的建議。
基于模糊神經(jīng)網(wǎng)絡(luò)的電梯群控算法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>160KB
頁數(shù):2P
4.6
本文對常見的電梯智能群控算法進行了分析比較,重點研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對大廈客流的特征進行長期統(tǒng)計分析,進而對電梯群交通模式進行分類,利用模糊神經(jīng)網(wǎng)絡(luò)對電梯群的交通模式進行了識別。根據(jù)系統(tǒng)的識別結(jié)果判定電梯群當前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對派梯算法中各電梯響應(yīng)呼梯信號的可信度進行計算,選取可信度最大的電梯響應(yīng)呼梯信號,最終完成派梯。
基于模糊神經(jīng)網(wǎng)絡(luò)的電梯群控算法研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>160KB
頁數(shù):未知
4.4
本文對常見的電梯智能群控算法進行了分析比較,重點研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對大廈客流的特征進行長期統(tǒng)計分析,進而對電梯群交通模式進行分類,利用模糊神經(jīng)網(wǎng)絡(luò)對電梯群的交通模式進行了識別。根據(jù)系統(tǒng)的識別結(jié)果判定電梯群當前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對派梯算法中各電梯響應(yīng)呼梯信號的可信度進行計算,選取可信度最大的電梯響應(yīng)呼梯信號,最終完成派梯。
基于神經(jīng)網(wǎng)絡(luò)控制器的高壓電纜測溫系統(tǒng)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>931KB
頁數(shù):6P
4.6
針對目前對高壓電纜的溫度測量方法大都是只能測量當前的溫度,滯后控制,不能進行提前辨識的問題,對傳統(tǒng)電纜測溫方法進行研究,提出用神經(jīng)網(wǎng)絡(luò)控制器對高壓電纜溫度進行測量的方法.在3種常規(guī)控制器的基礎(chǔ)上設(shè)計了3種基于神經(jīng)網(wǎng)絡(luò)的控制器:神經(jīng)自校正控制器、神經(jīng)pid(proportionintegrationdifferentiation)控制器和神經(jīng)自適應(yīng)控制器,不僅對它們進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,而且用matlab軟件進行仿真.通過仿真結(jié)果最終選用神經(jīng)pid控制器,并將其應(yīng)用于實際高壓電纜測溫系統(tǒng)當中,經(jīng)在新疆供電系統(tǒng)檢驗,效果良好.
具有神經(jīng)網(wǎng)絡(luò)控制器的紡織廠空調(diào)自控系統(tǒng)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>131KB
頁數(shù):6P
4.7
用可逼近任意非線性函數(shù)的神經(jīng)網(wǎng)絡(luò)構(gòu)造了辨識器和控制器,通過bp算法對神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練,修正其權(quán)系數(shù)及閾值,使學(xué)習(xí)訓(xùn)練誤差趨于零.將該方案應(yīng)用于紡織廠羊絨生產(chǎn)車間的空調(diào)系統(tǒng),并給出了仿真實驗結(jié)果.
變頻空調(diào)器的模糊CMAC神經(jīng)網(wǎng)絡(luò)控制
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>462KB
頁數(shù):3P
4.6
本文設(shè)計了一種模糊cmac(flcmac)控制器,這種控制器將傳統(tǒng)的cmac神經(jīng)網(wǎng)絡(luò)和模糊邏輯控制原理相結(jié)合,同時具備了cmac的快速學(xué)習(xí)能力和模糊邏輯的將專家經(jīng)驗融入系統(tǒng)利用模糊規(guī)則處理信息的優(yōu)點,又克服了cmac的精度低和模糊邏輯的缺乏學(xué)習(xí)能力的缺點,將其應(yīng)用于空調(diào)控制器的設(shè)計中,仿真結(jié)構(gòu)驗證了其有效性。
基于模糊神經(jīng)網(wǎng)絡(luò)的無線感應(yīng)電源頻率控制器
格式:pdf
大小:164KB
頁數(shù):2P
4.7
建立了基于模糊神經(jīng)網(wǎng)絡(luò)的最佳耦合頻率控制系統(tǒng)的模型,使得轉(zhuǎn)動軸狀態(tài)變化時,無線感應(yīng)電源的頻率被控為諧振頻率,從而保證能量傳輸過程處于最佳耦合狀態(tài)。設(shè)計了一套無線感應(yīng)電源的實驗裝置,包括可控頻率的電磁振蕩發(fā)生器,能量接收天線和軸上ac/dc裝置。
基于BP神經(jīng)網(wǎng)絡(luò)的煤礦礦井空調(diào)模糊控制器設(shè)計研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>268KB
頁數(shù):3P
4.6
針對礦井空調(diào)被控對象時滯、時變、非線性的特點,基于神經(jīng)網(wǎng)絡(luò)方法,設(shè)計了一種基于bp算法的神經(jīng)模糊控制器,通過采用matlab提供的神經(jīng)網(wǎng)絡(luò)工具箱和simulink軟件包對其進行了仿真。結(jié)果表明,該控制器比經(jīng)典pid控制及單純模糊控制具有較好的魯棒性,動態(tài)性能好,控制迅速,適于我國煤礦企業(yè)廣泛使用的礦井空調(diào)控制系統(tǒng)。
模糊神經(jīng)網(wǎng)絡(luò)在空調(diào)控制系統(tǒng)中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>1.3MB
頁數(shù):3P
4.4
針對變頻空調(diào)常規(guī)模糊控制系統(tǒng)的隸屬函數(shù)和控制規(guī)則的獲取受限于專家經(jīng)驗的問題,根據(jù)神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強的特點,將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合,對空調(diào)的控制系統(tǒng)進行改進,并據(jù)此設(shè)計模糊神經(jīng)網(wǎng)絡(luò)控制器,在此基礎(chǔ)上進行了理論分析和模擬實驗,驗證了這一控制系統(tǒng)的有效性。
基于S7-200PLC的模糊神經(jīng)網(wǎng)絡(luò)算法設(shè)計
格式:pdf
大小:143KB
頁數(shù):3P
4.5
隨著智能信息技術(shù)的發(fā)展,模糊神經(jīng)網(wǎng)絡(luò)算法廣泛應(yīng)用于工業(yè)控制。但該算法尚未應(yīng)用于plc。針對這種現(xiàn)狀,給出基于s7-200plc的模糊神經(jīng)網(wǎng)絡(luò)算法設(shè)計。利用模糊神經(jīng)網(wǎng)絡(luò)算法的理論知識,在s7-200的平臺上采用梯形圖和指令表兩種模式編程設(shè)置。并利用plc仿真軟件對其仿真,仿真結(jié)果達到預(yù)期目標。
模糊BP神經(jīng)網(wǎng)絡(luò)控制在水泥分解爐溫度控制系統(tǒng)中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>239KB
頁數(shù):2P
4.8
水泥燒成系統(tǒng)中分解爐溫度的控制是一個典型的多變量、大遲滯、強耦合、非線性的復(fù)雜控制對象,很難建立起非常精確的數(shù)學(xué)控制模型,常規(guī)的控制算法幾乎都無法取得滿意的控制效果。針對這一問題,文章先分析確定了影響分解爐溫度的常量,采用神經(jīng)網(wǎng)絡(luò)算法構(gòu)建預(yù)測模型,然后經(jīng)模糊控制器得到噴煤量并調(diào)節(jié)這一常量來穩(wěn)定分解爐內(nèi)部溫度。經(jīng)現(xiàn)場實際應(yīng)用結(jié)果表明此溫度控制系統(tǒng)響應(yīng)速度快,實際控制溫度與正常值誤差較小,具有良好的魯棒性、可靠性。
文輯推薦
知識推薦
百科推薦
職位:總監(jiān)理工程師代表
擅長專業(yè):土建 安裝 裝飾 市政 園林