基于鲁棒迭代学习的灌浆压力自适应控制
作者:
李凤玲
[1,2] ;
中群太
[2] ;
侯志祥
[1]
关键词:
神经网络
自学习
迭代调节
自适应控制
灌浆压力
摘要:
为了提高非线性、不确定和时变性灌浆过程中压力的控制精度,在分析灌浆过程数学模型的基础上,提出了灌浆压力的PID控制器参数的自适应调节方法。由神经网络预测模型对灌浆系统进行非线性建模,然后基于神经网络学习误差迭代优化PID控制参数。为了确保控制器参数矩阵在调节时灌浆压力能收敛于灌浆设计压力,采用了李亚普洛夫误差增量迭代函数,使得对每次采样时刻系统误差PID调节向量能渐近收敛于最优值,从而使模型跟踪误差最小。通过迭代反馈调节方法的压力输出同手工控制方法对比研究,仿真结果表明,此方法有更好的自适应能力,较好地跟踪了灌浆设计压力曲线。
上一篇:模糊神经网络补偿的伺服系统二次型最优控制
下一篇:基于灵敏度的大滞后过程对象自适应PI控制器