10.3969/j.issn.1000-3932.2018.08.003
神经网络预测控制在加热炉炉温控制中的仿真研究
针对加热炉处于干扰环境下的不确定性、非线性、大滞后和大惯性特点,采用径向基神经网络(Radial Basis Function,RBF)建立加热炉炉温预测模型,以实现炉温预报.同时设计以L-M(Levenberg-Marquardt)优化算法为基础的控制器对加热炉炉温进行滚动控制.针对L-M优化算法对初始值敏感的问题,采用RBF逆神经网络动态确定算法初始值.仿真结果表明所提方法在不同工况下均具有较快的调节时间和较小的超调量.
加热炉炉温、RBF神经网络、逆神经网络、L-M优化算法、扰动、炉温预测、滚动控制、调节时间、超调量、降低能耗
45
TH862
2018-09-10（万方平台首次上网日期，不代表论文的发表时间）
共5页
590-594
