文档名：粒子群优化辨识的自适应预估控制及应用
针对Smith预估器对预测模型精度依赖程度较高的问题,提出了一种基于粒子群优化(PSO)辨识算法的自适应预估控制方法.该控制方法利用PSO辨识方法在线调整Smith预估器参数,利用单神经元的非线性逼近特性及自学习、自组织能力,对控制器参数进行在线修正.将该控制方法应用于矿井通风系统风量控制仿真分析中,在系统参数时变情况下,进行跟踪响应分析.结果表明,该控制方法对大滞后时变系统具有很强的适应性和鲁棒性,具有较强的抗干扰能力和良好的跟踪性能.
作者：孙引忠 周涛 马星河
作者单位：中国平煤神马集团炼焦煤资源开发及综合利用国家重点实验室,河南平顶山467099;中国平煤神马集团能源化工研究院,河南平顶山467099河南理工大学电气工程与自动化学院,河南焦作454000
母体文献：“智领新煤矿,人工智能及大数据在煤炭行业的应用”2017年学术年会论文集
会议名称：“智领新煤矿,人工智能及大数据在煤炭行业的应用”2017年学术年会
会议时间：2017年12月1日
会议地点：上海
主办单位：中国煤炭学会,中国电工技术学会
语种：chi
分类号：TP2TP3
关键词：矿井通风系统 风量控制 参数辨识 粒子群优化算法
在线出版日期：2021年3月22日
基金项目：
相似文献
相关博文
- 文件大小:
- 274.89 KB
- 下载次数:
- 60
-
高速下载
|
|
