基于铝电解氧化铝浓度辨识的智能加料控制策略

针对目前铝电解的加料控制,提出了一种基于设定值优化的控制策略及智能加料控制方法。根据铝电解过程特性,采用了广义回归神经网络(GRNN)来辨识氧化铝浓度模型,并利用遗传算法优化寻找最佳光滑因子σ,当所辨识的实际氧化铝浓度模型的输出量误差最小化时,获得最佳的平滑因子。设计了模糊小脑模型神经网络(FCMAC)控制器,将氧化铝的浓度控制在理想区域内,提高了铝电解过程的控制性能。

飞行模拟机电动操纵负荷系统控制与仿真

针对单一PID方法控制飞行模拟机电动操纵负荷系统时存在非线性、外力干扰、多余力及外环震荡等问题,根据FCMAC可学习任意多维非线性映射,FCMAC与PID并行控制器鲁棒性强和BP神经网络前馈补偿器具有自适应性、可有效降低多余力影响的特点,采用了由FCMAC与PID并行控制器和BP神经网络前馈补偿器组成的复合神经网络控制方法,解决了单一PID控制方法中存在的问题。对基于复合神经网络控制方法的系统进行了建模与仿真,仿真结果表明该方法使模型力与输出力偏差由1.1N降低到0.1N,干扰信号作用下力偏差保持在1.5%以内,将超调量由35%降低到2%,稳定时间由0.7s缩短到0.05s。