学科分类
/ 1
5 个结果
  • 简介:针对.1:业废水处理系统的时变性、非线性、复杂性和不确定性,利用废水处理监控系统取得表征废水水质的各项指标,构建基于BP算法的四层模糊神经网络模型。该网络模型仿真实际废水处理过程的结果表明,模糊神经网络具有较强的学习能力;其较BP网络对样本数据的仿真误差较小,平均相对误差仅为1.5%,为实现废水处理的自动控制提供可行途径。

  • 标签: 模糊神经网络 废水处理 预测模型
  • 简介:针对黑液液位控制系统的非线性、大惯性及时变性的特点,对PID神经网络(PIDNN)在黑液液位控制中的可行性进行了深入研究与探讨。通过Matlab仿真,比较了常规PID算法、基于BP的神经网络算法和PIDNN算法对黑液液位的控制效果,验证了PIDNN算法的良好自适应性和鲁棒性。

  • 标签: 黑液液位 PID神经网络 自适应性
  • 简介:基于提高工业废水处理自动化程度、保证出水水质的考虑,通过正交实验法获得了用于FNN模型训练和测试的样本数据,并建立了相应的FNN预测和控制模型;结合模糊C均值聚类和混合算法完成网络的结构辨识和参数辨识,仿真结果表明,预测模型具有很好的学习能力和泛化能力,而测试数据的相对误差范围为1.2%~8%;建立好的预测控制模型与MCGS组态软件结合应用于实验室的造纸废水处理控制,改变原水COD和进水流量的大小,控制系统会自动计算出该时刻的加药量,其出水CODcr维持在400mg/L左右,同人工恒定加药量相比平均相对误差小很多,只有1.98%,结果表明MCGS和控制算法结合可以有效控制废水处理过程。

  • 标签: 模糊神经网络 工业废水处理 预测控制
  • 简介:抄纸过程中纸机系统具有大滞后、非线性、时变等特点,纸张定量与水分之间存在强耦合效应,针对这些问题,设计了一种基于RBF神经网络的PID解耦控制方法。利用RBF神经网络辨识定量与水分的数学模型,实时调整PID控制器的参数,实现系统的解耦功能。仿真结果表明,该方法具有良好的静态、动态性能和很强的自适应性,能有效解决纸张定量和水分之间的耦合作用。

  • 标签: RBF神经网络 定量 水分 解耦控制
  • 简介:分数阶PID控制器继承了常规PID控制器的优点,并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题,设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器,并通过神经网络调节分数阶PID控制器的5个控制参数,实现一种参数自整定的PID控制器。仿真实验结果表明,神经网络分数阶PID控制器比常规PID控制器的控制精度高,对纸浆浓度的控制更稳定;采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的,具有很好的推广应用前景。

  • 标签: 纸浆浓度 分数阶PID控制器 神经网络 自整定