[发明专利]一种工业过程多阶惯性闭环系统的闭环建模方法有效
| 申请号： | 201910364806.1 | 申请日： | 2019-04-30 |
| 公开（公告）号： | CN110244557B | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 苏烨;李泉;尹峰;丁俊宏;吕洪坤;孙坚栋;蔡钧宇 | 申请（专利权）人： | 国网浙江省电力有限公司电力科学研究院;国家电网有限公司;杭州意能电力技术有限公司 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 浙江翔隆专利事务所(普通合伙) 33206 | 代理人： | 张建青 |
| 地址： | 310014 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种工业过程多阶惯性闭环系统的闭环建模方法。本发明的闭环建模方法包括：首先，在多阶惯性闭环系统的控制量上加入正、反向阶跃扰动，采用基于多种惯性滤波的深度学习全连接神经网络训练后获得第一个DNN模型；再在多阶惯性闭环系统的设定值上加入正、反向阶跃扰动，将第一个DNN模型的输出数据与被控对象输出数据作为深度学习随机失活神经网络的输入进行训练，训练好后获得第二个DNN模型，两个DNN模型组成闭环系统模型，以有效辨识出被控对象模型的特性。本发明基于两个DNN模型，在建模过程中只需采用较简单的正反向阶跃激励信号，可以简便、准确的辨识出被控对象模型，有效提高了该类闭环系统的控制品质。 | ||
| 搜索关键词： | 一种 工业 过程 惯性 闭环 系统 建模 方法 | ||
【主权项】：
1.一种工业过程多阶惯性闭环系统的闭环建模方法，其特征在于，包括：首先，在多阶惯性闭环系统的控制量上加入正、反向阶跃扰动，采用基于多种惯性滤波的深度学习全连接神经网络训练后获得第一个DNN模型；再在多阶惯性闭环系统的设定值上加入正、反向阶跃扰动，将第一个DNN模型的输出数据与被控对象输出数据作为深度学习随机失活神经网络的输入进行训练，训练好后获得第二个DNN模型，两个DNN模型组成闭环系统模型，以有效辨识出被控对象模型的特性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网浙江省电力有限公司电力科学研究院;国家电网有限公司;杭州意能电力技术有限公司，未经国网浙江省电力有限公司电力科学研究院;国家电网有限公司;杭州意能电力技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910364806.1/，转载请声明来源钻瓜专利网。
