基于增量改进BP神经网络的微波干燥PID控制方法

    公开(公告)号:CN102096373A

    公开(公告)日:2011-06-15

    申请号:CN201010575031.1

    申请日:2010-12-07

    Abstract: 本发明公开了一种基于增量改进BP神经网络的微波干燥PID控制方法,选用三层BP神经网络为原型,将增量学习、L-M优化算法、BP神经网络和PID控制相结合,实现了PID控制参数的在线整定。首先利用微波干燥过程的实际生产数据作为训练数据对神经网络进行离线系统辨识,将网络的输出值与实测值进行对比,直到网络训练的均方误差达到要求,确定网络各层的权值和阈值,再根据实际生产过程测定的被控对象参数作为神经网络的输入,进行在线动态整定PID控制参数,神经网络的输出即为PID控制器的参数Kp、Ki、Kd。

    基于增量改进BP神经网络的微波干燥PID控制方法

    公开(公告)号:CN102096373B

    公开(公告)日:2012-08-29

    申请号:CN201010575031.1

    申请日:2010-12-07

    Abstract: 本发明公开了一种基于增量改进BP神经网络的微波干燥PID控制方法,选用三层BP神经网络为原型,将增量学习、L-M优化算法、BP神经网络和PID控制相结合,实现了PID控制参数的在线整定。首先利用微波干燥过程的实际生产数据作为训练数据对神经网络进行离线系统辨识,将网络的输出值与实测值进行对比,直到网络训练的均方误差达到要求,确定网络各层的权值和阈值,再根据实际生产过程测定的被控对象参数作为神经网络的输入,进行在线动态整定PID控制参数,神经网络的输出即为PID控制器的参数Kp、Ki、Kd。

    基于增量改进BP神经网络的微波干燥预测方法

    公开(公告)号:CN102033991A

    公开(公告)日:2011-04-27

    申请号:CN201010575016.7

    申请日:2010-12-07

    Abstract: 本发明涉及一种基于增量改进BP神经网络的微波干燥预测方法,是一种用神经网络预测微波干燥富硒渣生产过程中相对脱水率和温度的方法,选用三层BP神经网络为原型,采用增量学习和L-M算法对网络进行改进,建立基于增量改进BP神经网络模型对微波干燥富硒渣的相对脱水率和温度进行预测。通过计算机仿真试验,可以准确、快速地预测微波干燥试验过程中富硒渣的相对脱水率和温度,减少探索性试验的数量,为后续生产提供理论依据。

Patent Agency Ranking