DLF神经网络在多变量非线性系统中的设计与应用

为了克服PID控制器和一般神经网络的缺点,探讨了基于DLF神经网络控制器在多变量非线性系统的应用,并与传统的PID控制器和一般神经网络的控制效果进行了比较.结果表明,DLF神经网络控制器对多变量非线性系统具有训练速度快和较强的解耦能力.

基于DLF神经网络的非线性自适应PID控制器

针对非线性时变对象 ,将DLF神经网络与PID基本原理相结合 ,提出了基于DLF神经网络的非线性自适应PID控制器设计方法 ,并解决了此类控制器初始参数难以设置的问题 .

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。