PID神经网络解耦控制技术在VAV中的应用

通过采用 PID神经元网络解耦控制技术 ,对耦合强烈的具有变风量空调系统传递函数矩阵形式的 4维传递函数矩阵系统进行解耦控制 ,通过解耦控制系统仿真研究 ,可以看出取得了很好的解耦效果 ,为变风量空调系统 (4个回路 )的解耦控制提供了有效的方法。

基于线路归一和网络解耦的配网故障测距方法

针对架空-电缆混合线路、多分支线路、环形网络线路以及多端电源的配电网线路拓扑结构的故障测距难题,提出一种新颖的故障测距方法。融合配网自动化系统信息,动态重构配电网络,采用多端行波时差数组群比法识别故障区域,为便于线路网络解耦,将混合线路归一化,运用包含故障区域的网络最优路径法将复杂配网拓扑解耦为树状结构,利用基于故障区域局部双端定位的递推网络定位法,实现故障测距。仿真分析和现场工程应用证明了该方法的有效性和可靠性,故障定位精度在200 m以内。

流浆箱神经网络解耦控制系统的设计

利用BP神经网络原理结合流浆箱控制系统实际情况设计了神经网络解耦控制器,根据事先采集的大量实验数据训练出网络参数,得到与系统相匹配的静态解耦控制器,然后通过编程实现神经网络控制器输入输出的拓扑关系。该控制器既解除了气垫式流浆箱压力和液位的耦合关系,又具有实现简单的特点。

供热过程时滞递推神经网络解耦器设计

针对供热过程质调—量调通道耦合特性和节能控制的需要,提出基于时滞递推神经网络的供热解耦方法。通过典型信号响应与最小二乘法结合的方法得到供热过程耦合系统模型,利用改进的假近邻法预估神经网络训练数据的嵌入维数,确定神经网络输入节点个数,引入时滞环节构建神经网络解耦器。采用时滞递推神经网络解耦器对供热耦合系统进行解耦,消除供热过程质调、量调通道间的非线性强耦合作用。仿真结果证明该方法具有良好的动态和静态解耦特性,能够满足供热过程多回路控制的要求,使供热系统能够跟踪节能设定值进行调节,实现供热节能和优质供热。

一种多变量模糊神经网络解耦控制器的设计

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.

神经网络解耦控制在蒸馏水机中的应用

在蒸馏水生产过程中,电导率与温度存在着严重的耦合现象,传统的解耦控制方案无法满足控制要求。根据热交换过程的工艺特点和要求,提出不需要建立对象的精确数学模型的基于神经网络的多变量解耦方法,组成具有解耦能力的智能控制器。仿真研究表明,该控制器能满足工艺要求,具有良好的鲁棒性。

基于神经网络解耦的电加热炉温控系统

针对电加热炉温区间强耦合的特点,分析加热炉结构特点及其耦合性,设计分散式神经网络开环解耦器对相邻温区进行解耦,采用模糊PID控制算法对系统进行控制。系统有效进行解耦,实现了温度的精确控制。

神经网络解耦控制器在单元机组负荷控制中的应用

针对火电单元机组这类集炉、机、电为一体具有多变量强耦合，非线性及参数时变的受控对象，基于常规解耦控制技术的控制系统无法应用的问题，讨论了多变量神经网络解耦控制方法，并进行了火电机组负荷控制系统的设计和仿真研究．

基于双阶段特征解耦网络的单幅图像去雨方法

针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有雨分量的初步分离;然后设计全局特征融合模块,其中特别引入特征解耦模块分离有雨分量和背景图像的特征,实现细粒度的图像去雨;最后利用重构损失、结构相似损失、边缘感知损失和纹理一致性损失构成的复合损失函数训练网络,实现高质量的无雨图像重构.实验结果表明,在Test100合成雨图数据集上,所提方法峰值信噪比为25.57dB,结构相似性为0.89;在100幅真实雨图上,所提方法的自然图像质量评估器为3.53,无参考图像空间质量评估器为20.16;在去雨后的RefineNet目标分割任务中,平均交并比为29.41%,平均像素精度为70.06%;视觉效果上,该方法能保留更多的背景图像特征,有效地辅助下游的目标分割任务的开展.

异质信息网络中基于解耦图神经网络的社区搜索

在异质信息网络(HINs)中搜索包含给定查询节点的社区具有广泛的应用价值,如好友推荐、疫情监控等。现有HINs社区搜索方法大多基于预定义的子图模式对社区的拓扑结构施加一个严格的要求,忽略了节点间的属性相似性,导致结构关系弱而属性相似性高的社区难以定位,并且采用的全局搜索模式难以有效处理大规模的网络数据。为解决这些问题,首先设计解耦图神经网络和基于元路径的局部模块度,分别用于度量节点间的属性相似性和结构内聚性,并利用0/1背包问题优化属性和结构两种凝聚性度量指标,定义了最有价值的c大小社区搜索问题,进而提出了一种基于解耦图神经网络的价值最大化社区搜索模型,执行3个阶段的搜索过程。第一阶段,依据查询信息与元路径,构造候选子图,将搜索范围控制在查询节点的局部范围内,保证整个模型的搜索效率;第二阶段,利用解耦图神经网络,融合异质图信息和用户标签信息,计算节点间的属性相似度;第三阶段,根据社区定义以及凝聚性度量指标,设计贪心算法查找属性相似度高且结构凝聚的c大小社区。最后,在真实的同质和异质网络数据集上测试了搜索模型的性能,大量实验结果验证了模型的有效性和高效性。

基于解耦图卷积网络的协同过滤推荐模型

图卷积网络(GCN)可以缓解传统推荐算法数据稀疏的问题,有效提高推荐准确度,被广泛应用于各种推荐任务中。但是现有基于GCN的推荐模型还存在计算开销大的问题。因此,该文提出了一种基于解耦图卷积网络的协同过滤推荐模型(DeGCF)。首先,在模型参数初始化阶段,DeGCF利用负采样增强的图卷积操作,显式地为用户和物品的初始嵌入向量注入局部和全局图结构特征;其次,在模型训练阶段DeGCF仅使用用户和物品的嵌入向量的内积作为模型的输出,实现图卷积操作与模型训练过程的解耦;最后,DeGCF使用逆倾向分数加权的损失函数训练模型参数。在三个基准数据集上的实验结果显示,该方法性能显著超过现有方法,在Amazon-book数据集上相较于LightGCN模型Recall指标提高了31%,训练效率提升了13倍,避免了五百余万次的全图矩阵计算。

知识网络与合作网络嵌入式的企业技术创新网络的解耦研究

以社会网络和知识创新理论为基础,对企业技术创新网络进行解耦研究,构建知识网络与合作网络互相嵌入的创新网络模型,并以我国高科技公司HW为实证对象,将网络特性(结构洞和中心集中度)分析和负二项回归相结合,分析合作网络与知识网络特征及创新绩效的关系。研究表明:知识网络的结构洞越多,越不利于研发人员从外部获得新知识;同时,合作网络的结构洞越多,越有利于组织进行探索性创新。知识网络的中心集中度与组织的探索性创新之间呈倒U字关系;此外,合作网络的中心集中度与组织的探索性创新呈负相关关系。创新网络的解耦研究为创新研究打开一个新的视角,有助于揭示创新的本质所在。

RBF递归神经网络在供热解耦控制中的应用

针对供热过程耦合特性和节能控制的需要,提出了一种基于径向基函数(RBF)递归神经网络的供热解耦控制方法。通过典型信号响应与最小二乘结合的方法得到供热耦合系统模型,利用RBF递归神经网络进行解耦控制,消除了质调节、量调节通道间的非线性强耦合作用。仿真结果证明该方法具有良好的解耦控制特性,满足供热系统多回路控制的要求。

多温区加热炉新型解耦网络及模糊PID控制

针对加热炉多变量、非线性、强耦合、参数摄动及带时滞等特点,研究了一种基于新型解耦网络和模糊PID控制的系统结构,其中新型解耦网络由BP神经网络和信号加权合成器构成。详细分析了新型解耦网络的学习算法,并设计了模糊PID控制算法。以多温区加热炉为例,在Matlab/Simulink平台上进行了编程和仿真实验,结果表明:在加热炉发生大幅度参数摄动时,系统具有良好的解耦能力和动、静态控制性能。

基于神经网络逆解耦的异步电动机节能控制

异步电动机矢量控制是一种稳态下的解耦控制,当对电机调节励磁进行节能控制时,及负载突变状态下系统解耦性能下降,节能效果变差。针对异步电动机节能控制中的上述问题,提出一种将基于神经网络逆系统方法的异步电动机解耦控制与基于损耗模型的节能控制策略相结合的异步电动机节能控制方法。仿真表明该方法具有较好的动态节能控制效果及较强的负载跟踪能力。

基于细胞因子网络的多级协同解耦控制及其在牵伸水浴中的应用

为了更好地消除聚丙烯晴碳纤维(polyacryionitrile carbon fiber,PANCF)牵伸过程中相关状态间的耦合效应,基于因子网络数学模型,与解耦控制相结合,提出一种多级协同的解耦网络(cytokine network based decoupling network,CNDN),并植入具体的解耦控制算法;将该结构和算法应用于牵伸水浴的温度、浓度以及液位多个耦合量的解耦控制.仿真结果标明:CNDN对于控制量的改变反应更加迅速,较传统解耦方法可以基本实现控制量的完全解耦和平滑调节,抗干扰能力强,稳定性好.

基于神经网解耦的循环流化床锅炉燃烧系统自适应模糊控制

电厂循环流化床锅炉的正常运行受到很多因素的影响,因此使其在实现自动控制方面遇到困难。根据循环流化床锅炉的特点,将自适应理论与模糊控制相结合,设计了一种基于BP神经网解耦的具有参数在线自调整功能的自适应模糊控制器,并应用于循环流化床锅炉燃烧控制系统中。该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦控制。仿真试验和现场应用结果证明,本控制器对循环流化床锅炉燃烧过程具有良好的控制效果。

改进BP算法解耦热网控制器的设计与仿真

针对热网非线性、时变、大滞后特性,结合神经网络和一般广义预测控制算法,通过改进BP神经网络解耦器将来自其它通道的耦合影响视为可测干扰进行补偿,解决供热系统中存在的耦合问题;设计了神经网络解耦控制器来调节一次网的流量分配,进而间接调控二次网各用户的室内温度,提高热网的供热质量,达到稳定和均衡供热.Matlab仿真结果表明,在二次网用户初始温度相差越小的情况下,神经网络算法所需的调节时间越短,达到的控制效果越理想,即使在二次网各用户初始温度相差很大,经过一段较长时间的调节,也能够逐渐实现均匀供热.

多变量系统模糊解耦方法综述

通过对多变量系统模糊解耦方法的必要分析,介绍了一般模糊解耦、几类自适应模糊解耦等方法,并叙述了各种方法的研究现状和应用情况,同时分析了各种方法的优点与局限性。指出自适应模糊解耦更侧重于控制器的研究,寻求一种有效的、简单易行的控制方法,即寻求理论与实际结合点,是今后研究的方向。