控制理论与应用
控製理論與應用
공제이론여응용
CONTROL THEORY & APPLICATIONS
2013年
5期
585-591
,共7页
溶解氧%前馈神经网络%建模控制%稳定性%学习率
溶解氧%前饋神經網絡%建模控製%穩定性%學習率
용해양%전궤신경망락%건모공제%은정성%학습솔
针对污水处理过程溶解氧(DO)浓度控制问题,提出了一种基于前馈神经网络的建模控制方法(FNNMC).本文构造了神经网络建模控制系统,通过对建模神经网络和控制神经网络隐含层学习率的分析,证明了学习算法的收敛性以及整个系统的稳定性.最后,本文基于国际基准的Benchmark Simulation Model No.1 (BSMl)进行了仿真实验,验证了合理选取学习率的重要性,并通过与PID和模型预测控制(MPC)等已有控制方法的比较,验证了神经网络建模控制方法针对污水处理过程溶解氧浓度控制具有良好的建模能力,更高的控制精度以及更好的动态响应能力.
針對汙水處理過程溶解氧(DO)濃度控製問題,提齣瞭一種基于前饋神經網絡的建模控製方法(FNNMC).本文構造瞭神經網絡建模控製繫統,通過對建模神經網絡和控製神經網絡隱含層學習率的分析,證明瞭學習算法的收斂性以及整箇繫統的穩定性.最後,本文基于國際基準的Benchmark Simulation Model No.1 (BSMl)進行瞭倣真實驗,驗證瞭閤理選取學習率的重要性,併通過與PID和模型預測控製(MPC)等已有控製方法的比較,驗證瞭神經網絡建模控製方法針對汙水處理過程溶解氧濃度控製具有良好的建模能力,更高的控製精度以及更好的動態響應能力.
침대오수처리과정용해양(DO)농도공제문제,제출료일충기우전궤신경망락적건모공제방법(FNNMC).본문구조료신경망락건모공제계통,통과대건모신경망락화공제신경망락은함층학습솔적분석,증명료학습산법적수렴성이급정개계통적은정성.최후,본문기우국제기준적Benchmark Simulation Model No.1 (BSMl)진행료방진실험,험증료합리선취학습솔적중요성,병통과여PID화모형예측공제(MPC)등이유공제방법적비교,험증료신경망락건모공제방법침대오수처리과정용해양농도공제구유량호적건모능력,경고적공제정도이급경호적동태향응능력.
