期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于FCM-ELM-BBPS的预测控制参数整定
1
作者
贺宁
习坤
+1 位作者
高峰
刘月笙
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第12期168-177,共10页
模型预测控制设计参数选择显著影响被控系统性能,目前基于专家经验的主流参数整定方法会出现控制器鲁棒性差、计算成本高等缺点.为了解决上述问题,提出一种基于模糊C均值-极限学习机-裸骨粒子群(Fuzzy C-means-Extreme Learning Machine...
模型预测控制设计参数选择显著影响被控系统性能,目前基于专家经验的主流参数整定方法会出现控制器鲁棒性差、计算成本高等缺点.为了解决上述问题,提出一种基于模糊C均值-极限学习机-裸骨粒子群(Fuzzy C-means-Extreme Learning Machine-Bare Bones Particle Swarm,FCM-ELM-BBPS)的参数整定算法.通过模糊C均值算法(Fuzzy C-means,FCM)聚类进行数据预处理,将被控系统复杂数据根据自身特征进行聚类,以降低神经网络的训练误差,提高预测精度;针对每一类特征数据,利用极限学习机(Extreme Learning Machine,ELM)建立预测控制参数与性能指标的映射关系模型,并进一步获得参数整定规则;采用裸骨粒子群(Bare Bones Particle Swarm,BBPS)优化算法进行预测控制参数整定,通过采用高斯分布来更新粒子位置,加快目标函数的收敛速度,从而有效地减少参数寻优时间;分别进行仿真和水箱系统实验验证,证明了提出算法的有效性.实验结果表明,本文提出的算法与现有方法相比,更具有优越性,其中整定时间减少了34.84%,同时在调整时间等时域性能指标上提升了43.98%.
展开更多
关键词
模型预测控制
聚类
极限学习机
裸骨粒子群
参数整定
下载PDF
职称材料
题名
基于FCM-ELM-BBPS的预测控制参数整定
1
作者
贺宁
习坤
高峰
刘月笙
机构
西安建筑科技大学机电工程学院
出处
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第12期168-177,共10页
基金
国家自然科学基金资助项目(61903291)
陕西省重点研发计划项目(2022NY-094)。
文摘
模型预测控制设计参数选择显著影响被控系统性能,目前基于专家经验的主流参数整定方法会出现控制器鲁棒性差、计算成本高等缺点.为了解决上述问题,提出一种基于模糊C均值-极限学习机-裸骨粒子群(Fuzzy C-means-Extreme Learning Machine-Bare Bones Particle Swarm,FCM-ELM-BBPS)的参数整定算法.通过模糊C均值算法(Fuzzy C-means,FCM)聚类进行数据预处理,将被控系统复杂数据根据自身特征进行聚类,以降低神经网络的训练误差,提高预测精度;针对每一类特征数据,利用极限学习机(Extreme Learning Machine,ELM)建立预测控制参数与性能指标的映射关系模型,并进一步获得参数整定规则;采用裸骨粒子群(Bare Bones Particle Swarm,BBPS)优化算法进行预测控制参数整定,通过采用高斯分布来更新粒子位置,加快目标函数的收敛速度,从而有效地减少参数寻优时间;分别进行仿真和水箱系统实验验证,证明了提出算法的有效性.实验结果表明,本文提出的算法与现有方法相比,更具有优越性,其中整定时间减少了34.84%,同时在调整时间等时域性能指标上提升了43.98%.
关键词
模型预测控制
聚类
极限学习机
裸骨粒子群
参数整定
Keywords
model predictive control
clustering
extreme learning machine
bare bones particle swam
param-etertuning
分类号
TP29 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于FCM-ELM-BBPS的预测控制参数整定
贺宁
习坤
高峰
刘月笙
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部