【摘要】：針對常規(guī)PID難以取得期望的控制效果和單一神經(jīng)網(wǎng)絡在線整定存在結構復雜、學習時間過長、收斂速度慢等問題,提出了一種基于主成份優(yōu)化的BP神經(jīng)網(wǎng)絡PID控制。利用主成份分析對網(wǎng)絡的輸入層單元進行降維分析,以此簡化網(wǎng)絡的結構,提高網(wǎng)絡的收斂速度及泛化能力,進而提升智能控制系統(tǒng)的控制品質�；谏鲜隼碚撛贛ATLAB/Simulink平臺進行水輪機調節(jié)系統(tǒng)實例仿真分析,闡述并分析試驗結果,說明了經(jīng)主成份分析優(yōu)化后的BP神經(jīng)網(wǎng)絡PID控制效果較優(yōu)化前有了顯著改善。
[Abstract]:In view of the difficulties of conventional PID in obtaining the desired control effect and the problems of complex structure, long learning time and slow convergence rate in on-line tuning of single neural network, a BP neural network PID control based on principal component optimization is proposed. In order to simplify the structure of the network, improve the convergence speed and generalization ability of the network, and then improve the control quality of the intelligent control system, the dimensionality reduction analysis of the input layer unit of the network is carried out by principal component analysis. Based on the above theory, the simulation analysis of hydraulic turbine regulation system based on MATLAB/Simulink platform is carried out, and the experimental results are analyzed. It is shown that the PID control effect of BP neural network optimized by principal component analysis is significantly improved compared with that before optimization.
【作者單位】： 華北水利水電大學電力學院;
【基金】：國家自然科學基金項目(U1504622) 華北水利水電大學研究生教育創(chuàng)新計劃基金項目(YK2016-08)
【分類號】：TV734

【相似文獻】

相關期刊論文 前10條

1 翟旭瑞;呂振中;王國松;;基于BP神經(jīng)網(wǎng)絡的大壩安全監(jiān)測系統(tǒng)評價研究[J];水資源與水工程學報;2007年01期

2 宋孝玉,易廣軍,李智錄,沈冰;基于神經(jīng)網(wǎng)絡的金盆水庫大壩應力預測[J];水資源與水工程學報;2004年04期

3 廖衛(wèi)洪;李躍平;;“人工”神經(jīng)網(wǎng)絡在大壩安全穩(wěn)定中的應用研究[J];湖南水利水電;2008年03期

4 牛景太;魏博文;;基于蟻群優(yōu)化神經(jīng)網(wǎng)絡的混凝土壩位移安全監(jiān)控模型[J];甘肅水利水電技術;2012年07期

5 盧瑞華,明經(jīng)平;采用BP算法分析大壩位移[J];南昌水專學報;2003年02期

6 吳云芳,李珍照;自適應共振神經(jīng)網(wǎng)絡在水利工程開發(fā)方案決策中的應用[J];水電能源科學;2002年01期

7 劉愛麗;劉建國;;BP神經(jīng)網(wǎng)絡在水輪機綜合特性曲線中的應用[J];科技信息(科學教研);2008年13期

8 強明輝;韓晶晶;;改進的BP網(wǎng)絡在大壩變形監(jiān)測資料分析中的應用研究[J];自動化與儀器儀表;2012年05期

9 李陽;紀昌明;李克飛;張驗科;趙璧奎;;結合均生函數(shù)的神經(jīng)網(wǎng)絡在中長期水文預報中的應用[J];水電能源科學;2013年02期

10 胡建蘭;劉玉忠;;基于神經(jīng)網(wǎng)絡方法的堤防穩(wěn)定性影響因素分析[J];人民黃河;2007年05期

相關會議論文 前10條

1 于軍;聶義勇;;神經(jīng)網(wǎng)絡控制算法在流體阻力時變物體運動模型中的應用[A];2005年中國智能自動化會議論文集[C];2005年

2 付朝江;;基于神經(jīng)網(wǎng)絡的壩體斷面優(yōu)化設計[A];第一屆中國水利水電巖土力學與工程學術討論會論文集（上冊）[C];2006年

3 鐘洛加;沈貴文;;BP神經(jīng)網(wǎng)絡方法在三峽庫區(qū)滑坡預測中的應用[A];西部水利水電開發(fā)與巖溶水文地質論文選集[C];2004年

4 于洋;張婧璇;;水輪機調節(jié)系統(tǒng)計算機仿真研究[A];水電站機電技術2004年年會論文集[C];2004年

5 張小穩(wěn);李雪紅;李益進;陳輝;;基于神經(jīng)網(wǎng)絡的裂縫轉異荷載診斷[A];現(xiàn)代水利水電工程抗震防災研究與進展[C];2009年

6 余波;張禮達;吉雷;童俊;張文平;;水輪機調節(jié)系統(tǒng)實時仿真實驗臺的建立[A];第十六屆全國水動力學研討會文集[C];2002年

7 林育梁;盧丹玫;楊二靜;;灰關聯(lián)神經(jīng)網(wǎng)絡法及防洪堤邊坡穩(wěn)定性分析[A];第一屆中國水利水電巖土力學與工程學術討論會論文集（上冊）[C];2006年

8 王利霞;蔡金錠;林禮清;;基于GA-BP神經(jīng)網(wǎng)絡的故障診斷專家系統(tǒng)在水輪機組中的應用[A];2006中國電力系統(tǒng)保護與控制學術研討會論文集[C];2006年

9 羅先啟;張選兵;葛修潤;;基于神經(jīng)網(wǎng)絡的滑坡地下水位反分析[A];新世紀巖石力學與工程的開拓和發(fā)展——中國巖石力學與工程學會第六次學術大會論文集[C];2000年

10 袁利興;張愛學;穆玉勇;;RBF神經(jīng)網(wǎng)絡在河堤變形分析和預測中的應用[A];第十六屆六省礦山學術交流會論文集[C];2009年

相關博士學位論文 前8條

1 王明疆;明滿流尾水系統(tǒng)水電站水輪機調節(jié)系統(tǒng)暫態(tài)特性研究[D];武漢大學;2015年

2 孔繁鎳;水輪機調節(jié)系統(tǒng)模型及其控制策略研究[D];廣西大學;2013年

3 寇攀高;水輪發(fā)電機及其調速系統(tǒng)的參數(shù)辨識方法與控制策略研究[D];華中科技大學;2012年

4 許世剛;計算智能及其在水利水電工程中的應用[D];河海大學;2001年

5 南海鵬;基于PCC的智能控制水輪機調節(jié)系統(tǒng)研究[D];西安理工大學;2003年

6 方紅慶;水力機組非線性控制策略及其工程應用研究[D];河海大學;2005年

7 廖忠;小波網(wǎng)絡及其在水輪機調節(jié)系統(tǒng)中的應用研究[D];河海大學;2005年

8 羅丹;高混凝土面板堆石壩反分析與面板溫度應力研究[D];武漢大學;2012年

相關碩士學位論文 前10條

1 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預測研究[D];昆明理工大學;2015年

2 楊超;改進的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡在大壩變形預測中的應用[D];東華理工大學;2016年

3 王竹;基于BP神經(jīng)網(wǎng)絡的大伙房水庫洪水預報模型研究[D];沈陽農(nóng)業(yè)大學;2016年

4 詹佩;基于人工智能的水電機組振動趨勢預測[D];華中科技大學;2016年

5 林琳;基于BP神經(jīng)網(wǎng)絡的水利工程風險管理研究[D];江西理工大學;2015年

6 張亞娣;基于神經(jīng)網(wǎng)絡的中小型水電站泄水閘門控制方法研究[D];河北科技大學;2015年

7 王圣;基于神經(jīng)網(wǎng)絡的水文預報方法研究[D];華中科技大學;2013年

8 孫英廣;神經(jīng)網(wǎng)絡在徑流預測模型研究中的應用及軟件實現(xiàn)[D];大連理工大學;2005年

9 霍惠玉;水庫信息管理系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學;2007年

10 張雯;云計算平臺支持下的BP神經(jīng)網(wǎng)絡在洪災損失評估中的應用研究[D];江西理工大學;2017年

，

本文編號：2309472