国家自然科学基金(60074021)
- 作品数：8 被引量：106H指数：4
- 相关作者：张明廉魏东李诚张志新孙明更多>>
- 相关机构：北京航空航天大学北京建筑工程学院哈尔滨工业大学更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金中国航空科学基金更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术建筑科学更多>>
- 一种基于混沌神经网络的拟人智能控制方法被引量：9
- 2004年
- 提出一种基于混沌神经网络 (CNN)的拟人智能控制方法 .首先利用拟人智能控制理论得到定性控制律 (线性或非线性 ) ,然后利用CNN实现控制律的定量化 .Hopfield神经网络具有快速的优化能力 ,但容易陷入局部极小 ,将遍历性的渐变混沌噪声引入其中 ,形成具有快速全局优化能力的CNN .
- 石晓荣张明廉
- 关键词：神经网络自动控制混沌
- 基于预测控制方法的非线性神经网络逆控制被引量：1
- 2005年
- 针对一类多输入多输出非线性被控对象,利用前向神经网络逼近原系统的逆系统,将其作为控制器,采用预测滚动优化性能指标训练该神经网络逆控制器,以克服干扰和不确定性影响,实现对多变量非线性对象的解耦控制。对某微型锅炉对象进行了控制算法仿真,结果表明,所提出的控制方法能够克服模型误差的影响,实现稳定解耦控制,且易于实现。在仿真过程中通过实验方法建立该锅炉对象的神经网络预测模型,并注意采用泛化方法采集训练样本数据和训练神经网络,以提高神经网络模型的泛化能力。
- 魏东张明廉
- 关键词：神经网络非线性系统逆控制预测控制
- 神经网络非线性预测优化控制及仿真研究被引量：25
- 2005年
- 针对暖通空调等一类时变多输入多输出非线性过程控制系统,采用神经网络作为优化反馈控制器求解优化反馈解,并利用预测控制滚动优化能够克服干扰和不确定性影响的优势,采用基于Hamilton-Lagrange 方法和预测滚动优化算法训练多层前向神经网络,同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测,以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真,优化指标取舒适性指标和耗能量之和。仿真结果表明,采用此方法,在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。
- 魏东张明廉支谨
- 关键词：神经网络非线性预测控制变风量空调
- 拟人智能控制及鲁棒LQ控制在倒立摆基准问题中的应用被引量：1
- 2004年
- 分别应用拟人智能控制策略解决倒立摆标称系统的控制和鲁棒LQ方法解决其鲁棒控制问题.拟人智能控制模仿人解决问题的归约思路,从物理角度出发分析被控系统并设计定性控制律.利用遗传算法良好的全局搜索收敛特点,对定性控制律中的参数进行优化搜索.当模型只存在结构化型不确定性且不确定性有界时,可通过求解一个Riccati方程来设计鲁棒LQ控制器.仿真结果表明给定的控制指标均得到满足,且控制律算法简单,实现比较方便.
- 李诚张明廉
- 关键词：拟人智能控制遗传算法倒立摆
- 拟人控制平行单级双倒立摆被引量：4
- 2006年
- 提出从物理角度出发,分析被控系统并设计控制器的观点,并在介绍基于物理模型的拟人智能控制框架的基础上,以平行单级双倒立摆的稳定控制为例说明了拟人智能控制的应用过程,最后将实验结果与滑模控制平行单级双倒立摆的实验结果进行了对比。
- 李诚张明廉张志新
- 关键词：拟人智能控制物理模型归约
- 基于并行混沌和单纯形法的混合全局优化算法被引量：30
- 2004年
- 混沌优化算法采用的是串行优化结构,采用并行结构进行,并不断缩小搜索空间,提高了混沌优化在变量取值范围较大情况下的搜索效率。针对混沌在全局最优点附近搜索速度变得很慢、精度较低的缺点,结合单纯形法,提高了收敛的速度和求解精度。仿真结果表明并行混合优化算法可以得到满意的结果。
- 张志新张明廉
- 关键词：单纯形法全局优化
- 基于物理模型的拟人智能控制被引量：4
- 2004年
- 回顾了自动控制理论与智能控制的过去和现在,讨论了它们存在的问题,提出基于物理模型的拟人智能控制。通过介绍一个成功的实例"平面运动单级倒立摆"的控制来阐明拟人智能控制的机理以及设计控制律的流程。对于复杂的非线性被控对象,只要知道其物理模型,应用拟人智能控制方法可以得到很好的结果。
- 李诚张明廉
- 关键词：智能控制归约模糊控制人工神经网络
- 基于贝叶斯方法的神经网络非线性模型辨识被引量：32
- 2005年
- 研究了基于贝叶斯推理的多层前向神经网络训练算法,以提高网络的泛化性能。在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。训练过程中使用显式的概率分布假设对模型进行分析和推断,根据融入先验分布的假设和依据,获取网络参数和正则化参数的后验条件概率,并基于后验分布的贝叶斯推理得出最优化参数。利用上述算法训练前向网络,对一个微型锅炉对象进行了模型辨识,通过测试,证明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能。
- 魏东张明廉蒋志坚孙明
- 关键词：系统辨识非线性神经网络泛化
