期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于神经网络模型的非线性多步预测学习控制器 被引量：11
1
作者 张兴会 陈增强 袁著祉 《控制与决策》 EI CSCD 北大核心 2002年第B11期820-822,828,共4页
构造出一种建模网络 ,通过对它的学习来辨识过程动态 ,通过对广义预测控制目标函数的在线优化求得控制律。
关键词 神经网络模型 非线性多步预测学习控制器 非线性系统 广义预测控制 自校正控制
在线阅读 下载PDF
基于深度学习的鲁棒非线性模型预测控制方法 被引量：1
2
作者 孙京诰 陈显锋 李郅辰 《计算机工程与设计》 北大核心 2022年第6期1762-1767,共6页
为降低鲁棒非线性模型预测控制方法中优化问题的实时求解难度,提出一种基于深度学习的近似鲁棒控制器方法。利用复杂的鲁棒非线性模型预测控制算法作为训练数据的生成器,以当前时刻的过程状态作为网络的输入,复杂控制算法计算的最优控... 为降低鲁棒非线性模型预测控制方法中优化问题的实时求解难度,提出一种基于深度学习的近似鲁棒控制器方法。利用复杂的鲁棒非线性模型预测控制算法作为训练数据的生成器,以当前时刻的过程状态作为网络的输入,复杂控制算法计算的最优控制输入作为网络的输出,基于深度神经网络学习复杂的非线性模型预测控制策略。通过一个工业半间歇聚合反应器模型案例验证了所提方法的有效性,深层网络与浅层网络相比具有更好的效果。 展开更多
关键词 非线性模型预测控制 深度学习 鲁棒控制器 神经网络 半间歇聚合反应器
在线阅读 下载PDF
基于强化学习的网络流量非线性多步预测方法
3
作者 廉佐政 王海珍 +1 位作者 李大辉 滕艳萍 《计算机仿真》 CSCD 北大核心 2013年第6期284-287,共4页
网络流量具有分形特性,用线性方法来预测非线性的网络流量,预测精度不高。为了提高测性能,提出了网络流量的非线性多步预测问题,利用一种结合分形神经网络、强化学习的非线性多步预测方法,用多重分形性质将网络流量序列分解为短相关序列... 网络流量具有分形特性,用线性方法来预测非线性的网络流量,预测精度不高。为了提高测性能,提出了网络流量的非线性多步预测问题,利用一种结合分形神经网络、强化学习的非线性多步预测方法,用多重分形性质将网络流量序列分解为短相关序列,设计了一种强化学习神经网络(MRLA)流量预测模型,利用强化学习的Q算法训练BP神经网络,预测尺度系数、计算权值,最后构建MRLA网络进行仿真,预测网络流量。实验分析显示,相对MMLP网络,新预测方法具较好的多步预测性能。 展开更多
关键词 网络流量 分形特性 非线性多步预测 强化学习 神经网络
在线阅读 下载PDF
基于强化学习的非线性时间序列智能预测模型 被引量：4
4
作者 孙若莹 范厚明 赵刚 《大连海事大学学报》 CAS CSCD 北大核心 2017年第4期97-103,共7页
针对时间序列预测中非线性、噪声高等特点,提出时间序列向前多步混合智能预测模型.首先,在模型训练过程中,提出一种将强化学习与隐马尔可夫模型相结合的新方法,强化学习运用TD(λ)方法,采用历史观测数据作为报酬回报,强调远近期历史数... 针对时间序列预测中非线性、噪声高等特点,提出时间序列向前多步混合智能预测模型.首先,在模型训练过程中,提出一种将强化学习与隐马尔可夫模型相结合的新方法,强化学习运用TD(λ)方法,采用历史观测数据作为报酬回报,强调远近期历史数据的不同影响程度并用以迭代增强历史观测数据在模型中的作用;进一步,在向前多步预测过程中,提出一种以强化学习为桥梁、将神经网络与隐马尔可夫模型相结合的方法,用以充分发挥神经网络数据拟合优势和隐马尔可夫模型减小系统随机误差方面的优势.利用稀土期货交易数据进行预测实验,结果表明:智能预测模型显著降低了预测的平均绝对误差、百分比绝对平均误差、均方根误差,提高了预测的准确性和效果. 展开更多
关键词 非线性时间序列 强化学习 隐马尔可夫模型 神经网络 向前多步预测
原文传递
基于OSELM-SGPC的主蒸汽温度优化控制仿真研究 被引量：2
5
作者 何华靖 《自动化仪表》 CAS 2023年第3期54-59,共6页
为解决比例积分微分(PID)控制器难以在大迟延、大惯性的主蒸汽温度被控对象上取得理想控制效果的问题,通过改进极限学习机(ELM)网络构建预测模型控制器,在解决传统神经网络算法训练速度慢、模型参数选取复杂的问题的同时,对主蒸汽温度... 为解决比例积分微分(PID)控制器难以在大迟延、大惯性的主蒸汽温度被控对象上取得理想控制效果的问题,通过改进极限学习机(ELM)网络构建预测模型控制器,在解决传统神经网络算法训练速度慢、模型参数选取复杂的问题的同时,对主蒸汽温度进行多步预测,从而更好地抑制扰动。将阶梯式广义预测控制器(SGPC)作为滚动优化控制器,进一步优化计算过程,从而搭建了在线贯序极限学习机-阶梯式广义预测控制器(OSELM-SGPC),充分兼顾预测效果与计算复杂度。通过主蒸汽温度设定值扰动、给煤量扰动以及给煤量和给水量叠加扰动等试验,并与传统串级PID控制作对比,充分验证了OSELM-SGPC的有效性和优越性。 展开更多
关键词 超临界机组 主汽温 神经网络预测控制 阶梯式广义预测控制器 在线贯序极限学习机 多步预测 抗扰动
在线阅读 下载PDF
自适应、自学习、自整定和自组织系统
6
《电子科技文摘》 2002年第6期151-152,共2页
0212045大射电望远镜馈源轨迹跟踪自适应控制〔刊〕/苏玉鑫//控制理论与应用.-2002,19(1).-121～124(K) 针对大射电望远镜悬索馈源为一非线性慢时变多变量耦合的系统特点。
关键词 自整定 多变量耦合 自学习 轨迹跟踪 极点配置 控制理论 自校正 非线性系统 预测控制器 人工神经网络
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部