188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
5500084

上传于：2015-04-18

粉丝量：1

该文档贡献者很忙，什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于改进型RBF神经网络辨识的PID控制

    星级： 5 页

  • 精品论文_基于RBF神经网络的多变量系统PID解耦控制

    星级： 5 页

  • 基于RBF神经网络的多变量系统PID解耦控制

    星级： 5 页

  • 基于RBF网络辨识的航空发动机：窬缃怦羁刂

    星级： 5 页

  • 基于RBF神经网络的流浆箱PID解耦控制

    星级： 4 页

  • 基于：齊BF神经网络整定的航空发动机多变量解耦控制

    星级： 4 页

  • 基于：齊BF神经网络整定的航空发动机多变量解耦控制

    星级： 5 页

  • 基于RBF网络辨识的涡扇发动机双变量神经网络PID解耦控制

    星级： 6 页

  • 基于：齊BF神经网络整定的航空发动机多变量解耦控制

    星级： 4 页

  • 基于RBF网络辨识的涡扇发动机神经网络PID控制

    星级： 5 页

  • 基于：齊BF神经网络整定的航空发动机多变量解耦控制

    星级： 4 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 基于RBF网络辨识的涡扇发动机双变量神经网络PID解耦控制

    下载积分： 2000

    内容提示： 第 22 卷 第 8期 2007 年 8 月 航空动力学报 J o urnal of A erosp ace P ower V o 1． 22 A u g ．200 7 N O． 8 文 章 编 号 ：1000— 8055( 2007) 08— 1391— 05 基 于 R BF 网络 辨识 的涡扇发 动机双变量 神经 网络 PID 解 耦控制 杨 华 ，郭迎 清 (西北 工业 大学 动力 与能 源学 院 ， 西 安 710072) 摘 提出基于径 向基 函数神经 网络 (RBF )辨识 的发动机双变量神经网络 PID 解 耦控制 ， 并给 出控制 系统 的控制结 构及原理． 仿真结果表 明 ， 该方法控制精度高 、 跟踪性能强 、 鲁棒性 良好 ， 能够有效地减小各 回路之 间的耦合影 要 ：根据神经网络与 PID ...

    文档格式：PDF | 页数：5 | 浏览次数：16 | 上传日期：2015-04-18 13:25:08 | 文档星级：
    第 22 卷 第 8期 2007 年 8 月 航空动力学报 J o urnal of A erosp ace P ower V o 1． 22 A u g ．200 7 N O． 8 文 章 编 号 ：1000— 8055( 2007) 08— 1391— 05 基 于 R BF 网络 辨识 的涡扇发 动机双变量 神经 网络 PID 解 耦控制 杨 华 ，郭迎 清 (西北 工业 大学 动力 与能 源学 院 ， 西 安 710072) 摘 提出基于径 向基 函数神经 网络 (RBF )辨识 的发动机双变量神经网络 PID 解 耦控制 ， 并给 出控制 系统 的控制结 构及原理． 仿真结果表 明 ， 该方法控制精度高 、 跟踪性能强 、 鲁棒性 良好 ， 能够有效地减小各 回路之 间的耦合影 要 ：根据神经网络与 PID 算法相结合 的思想 ， 针对涡扇发 动机 双变量控 制中变量 之间的耦合 问题 ， 响 ， 并保证控制系统具有 良好 的稳态 和动态性能 ， 适合航 空发 动机 控制． 关键词 ： 航空 、 航天推进系统 ； 涡扇发 动机 ； 双变量控制 ；径向基 函数神经 网络 (RBF ) ； 解耦 中图分类号 ： V 211． 4 文献标识码 ： A D ouble v a r iabl e P I D decoup lin g con t rol of t ur bof an en g in e bas ed on R B F n eur al n etw or k i den t i f ica t i0n Y A N G H ua ， G U O Y ing— qing ( S cho o1 of P o w er and E nergy ， N orthw estern P oly technical U niv er sity ， X i’ an 7100 72 ， C hina) A bstr ac t ： A c co rding to th e co nc ep t of com bin ing the neural netwo rk and P ID in solv in g the p rob lem o f co up ling in tur bo fan eng ine dou b le— variable con trol sys tem ， do ub le variab le P ID decou p ling co ntrol m eth od f or tu rb ofan en gin e bas ed o n R B F n eu ral netw o rk iden tifica— tion w as pr es en ted in th is p ap er．T h e stru ctu re o f eng in e dec oup ling co ntrol sys tem ， as w ell as its d eco up lin g pr inc ip le was giv en ． S imu latio n of th e c on tro l sy stem was p erf orm ed and ex — c ellen t track ing p er for manc e and ro bu stn ess were o btained． T h e sim ulatio n resu lts s how that th e m eth o d can eff ec tiv el y r edu ce th e co up lin g in fl uenc e o f each co ntrol lo op an d as su re s ar i s— f actory trans ien t p erform an ce ， thu s it is su itab le f or the aero— eng ine c ontro 1． K ey word s ： aeros pace p rop ul sion s ys tem ；tu rbo fan eng ine c on tro l ；do ub le variable c on trol ；radial basis function( R BF ) neural netw ork ；decoupling 航 空 发动 机控 制系统 是 一个典 型 的复 杂 的多 变量控制系统 ， 各变量和回路之 间的耦合影响会 破坏控制系统的动态性能和稳 态性能 ， 所 以消除 变量之间的耦合是控制系统设计的任务之一． 近 年来 ， 神经网络在非线性系统解耦控制 中的应用 研究已取得了许多成果 ] ， 并且把神经 网络用于 发 动机解 耦 控制也 已有 大量 的研 究 l3 ]． 文 献_5 中 的航 空发 动机多变量 自适应神经 网络 PID 控制 方法 ， 采用共轭梯度法对 BP 网络进行 了一定 的 改进 ； 文献 亦采用 BP 神经网络拟合飞行条件 、 发动机工况与发 动机最优控制器参数 之间 的关 系， 从而设计适合于全飞行包线范 围内发动机最 优稳态控制器． 而本文采用基于 RBF 网络辨识 的 收稿 日期 ： 2006— 07— 24；修 订 日期 ： 2006— 10 07 作者简介 ： 杨华( 1981一 ) 女， 河北定州人， 硕士生， 主要从事航空发动机控制方面的研究 维普资讯 http://www.cqvip.com

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司