基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制。所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络。仿真结果表明，该“混合网络”易训练，收敛速度可大大加快。在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程──球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。

多层递阶方法在故障预报中的应用

针对连续搅拌釜式反应器(CSTR)系统动态时变的特点,仅用系统观测数据,分别应用基本的多层递阶方法和综合的多层递阶方法对CSTR系统进行了故障预报.通过仿真研究选择并确定了最佳匹配的模型族和算法族.采用最佳匹配的多层递阶方法进行全数字仿真实验,从而证明了这种方法对于CSTR系统故障预报的有效性.该方法能够对一类带时变参数的非线性系统进行故障预报,并具有工程实用价值.