“神经网络预测控制”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果6820916个，建议您升级VIP下载更多相关专利

[发明专利]有源滤波器的自反馈递归模糊神经网络预测控制方法-CN202011102769.6有效
发明人：刘伦豪杰;费峻涛 -专利权人：河海大学常州校区
申请日： 2020-10-15 - 公布日： 2022-11-04 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种有源滤波器的自反馈递归模糊神经网络预测控制方法，包括以下步骤：S1：建立有源电力滤波器的预测控制数学模型；S2：根据步骤S1建立的预测控制数学模型构建自反馈递归模糊神经网络预测模型；S3：设计神经网络预测模型参数学习策略，计算得到神经网络的自适应率；S4：根据步骤S3得到的神经网络预测模型设计自反馈递归模糊神经网络模型预测控制率，实时优化控制器。
有源滤波器反馈递归模糊神经网络预测控制方法

[发明专利]一种基于递归神经网络的车辆运动预测控制方法-CN202310533632.3在审
发明人：吴夏来;林灵;易坚;秦佳彬 -专利权人：湖州师范学院
申请日： 2023-05-12 - 公布日： 2023-07-28 - 主分类号： B60W30/095 文献下载
摘要：本发明公开了一种基于递归神经网络的车辆运动预测控制方法，包括：(1)构建车辆运动学方程，采集车辆运动的输入输出数据集；(2)设计基于递归神经网络的车辆运动模型，并利用输入输出数据集进行训练；(3)设计车辆运动模型的预测控制器，建立预测控制器的车辆运动预测模型和目标函数；(4)将车辆运动预测模型和目标函数化为混合整数线性规划问题；(5)求解最优控制并反馈给被控车辆，实现轨迹的跟踪控制。本发明采用基于递归神经网络的车辆预测模型，设计分段函数作为神经网络的激活函数，设计基于递归神经网络的车辆运动模型预测控制器，将控制器的预测模型和目标函数线性化，简化了控制器的计算问题，实现稳定的控制效果
一种基于递归神经网络车辆运动预测控制方法

[发明专利]BP神经网络PID预测控制的锅炉液位控制系统及方法-CN202110265701.8在审
发明人：郭清;曲嘉;孙蓉;宋洋;唐明 -专利权人：哈尔滨工程大学
申请日： 2021-03-11 - 公布日： 2021-06-11 - 主分类号： G05D9/12 文献下载
摘要：本发明属于自动化控制技术领域，具体涉及一种BP神经网络PID预测控制的锅炉液位控制系统及方法。本发明的BP神经网络PID预测控制的锅炉液位控制系统包括定值器、BP神经网络PID预测控制器和压力传感器，压力传感器测取的锅炉实际液位与定值器输入的给定量比较后的差值输入至BP神经网络PID预测控制器中，BP神经网络PID预测控制器输出调节量控制变频器的输出频率，实现对锅炉液位的定值控制。本发明采用基于非线性预测模型的BP神经网络PID控制方法，具有更好的控制精度与控制效果，抗干扰性和适应性都相对较高，适用于控制大规模液位控制系统，如核电站立式蒸汽发生器水位控制。
bp 神经网络 pid 预测控制锅炉控制系统方法

[发明专利]基于神经网络-模型预测控制的磁悬浮偏航电机控制方法-CN201910668951.9有效
发明人：蔡彬;崔国栋;刘前;苏佰丽;褚晓广;孙宗耀 -专利权人：曲阜师范大学
申请日： 2019-07-24 - 公布日： 2021-04-20 - 主分类号： H02N15/00 文献下载
摘要：本发明涉及基于神经网络模型预测控制的磁悬浮偏航电机控制方法，属于电气工程技术领域。该方法采用神经网络模型预测控制策略，对磁悬浮偏航电机的悬浮和偏航过程进行实时平稳控制：当风向改变需要偏航时，首先由转子变流器采用PID控制算法控制转子电流，使转子向上悬浮至并保持在悬浮平衡点处；其次由转子变流器改用神经网络模型预测控制策略控制转子电流，使转子在平衡点处保持稳定悬浮；然后由定子变流器采用神经网络模型预测控制策略控制定子电流，使偏航电机按规定转速旋转至对风位置，同时转子变流器采用神经网络模型预测控制策略控制转子电流，使转子在偏航过程中保持在平衡点处，实现最优控制，确保整个悬浮偏航过程系统性能实时最优。
基于神经网络模型预测控制磁悬浮偏航电机方法

[发明专利]燃料电池氧气过剩系数神经网络预测控制方法-CN201710889277.8有效
发明人：胡云峰;陈欢;许志国;史少云;陈虹 -专利权人：吉林大学
申请日： 2017-09-27 - 公布日： 2020-10-27 - 主分类号： G05B13/04 文献下载
摘要：一种燃料电池氧气过剩系数神经网络预测控制方法，属于控制技术领域。本发明针对汽车燃料电池的氧气过剩系数控制问题，利用神经网络预测控制算法来设计控制器，使燃料电池系统在获得充足氧气的同时保证功率最优。本发明步骤是：软件选择、训练样本设计、神经网络预测模型离线学习、神经网络预测模型学习、神经网络预测控制器设计。本发明直接通过学习输入输出数据来提取系统特征，有效地避免了复杂的机理建模，能减少在线学习过程中系统特征的丢失进而提高多步预测的精度，有效地处理非线性系统带约束的控制问题。
燃料电池氧气过剩系数神经网络预测控制方法

[发明专利]一种基于时延补偿的机器人遥操作预测控制方法-CN201810047031.0有效
发明人：黄攀峰;陈海飞;刘正雄;董刚奇;孟中杰;张夷斋;张帆 -专利权人：西北工业大学
申请日： 2018-01-18 - 公布日： 2020-11-06 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及一种基于时延补偿的机器人遥操作预测控制方法，首先给出机器人的数学模型以及一些相关说明，然后再利用双重RBF神经网络，包括两个预测RBF神经网络和两个估计RBF神经网络，分别预测主从端的状态信息(本地端预测RBF神经网络用来预测从端机器人状态信息；远端预测RBF神经网络用来预测本地端机器人状态信息)和估计主从端建模时的不确定性(本地端估计RBF神经网络用来估计本地端机器人不确定性；远端预测RBF神经网络用来估计本地端机器人不确定性)。最后基于设计的预测控制方法设计了一个类PD控制器实现了主从端机器人的跟踪控制。
一种基于补偿机器人操作预测控制方法

[发明专利]结合机器学习实现数据中心节能温控的模型预测控制方法-CN202010152438.7在审
发明人：陈昱 -专利权人：上海外高桥万国数据科技发展有限公司
申请日： 2020-03-06 - 公布日： 2020-07-03 - 主分类号： F24F11/54 文献下载
摘要：本发明公开了一种结合机器学习实现数据中心节能温控的模型预测控制方法，将人工神经网络与模型预测控制算法相结合，去调节数据中心内的暖通空调系统，运用人工神经网络分析包含室外温度、时间、能耗等在内的数据，来预测室内最佳温度，然后将预测温度输入到模型预测控制算法中，进行操控调节。所选的人工神经网络模型为NARX神经网络算法。本发明提供的方法用于数据中心，基于节能和温度的自学习模型预测控制的模型算法，能够解决现有的问题，既可以满足温度要求，又可以最小化暖通空调系统的消耗。
结合机器学习实现数据中心节能温控模型预测控制方法

[发明专利]一种基于深度学习重构显式模型预测控制方法-CN202210313902.5在审
发明人：张聚;施超;牛彦;潘伟栋;陈德臣 -专利权人：杭州师范大学
申请日： 2022-03-28 - 公布日： 2022-06-14 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种基于深度学习重构显式模型预测控制方法，包含：步骤1)将显式模型预测控制重新优化表述为多参数二次规划问题；步骤2)数据的收集及深度神经网络的搭建；步骤3)训练搭建完成的深度神经网络；步骤4)验证深度神经网络的可行性；步骤5)重构显式模型预测控制；步骤6)重构后的参数优化。本发明集成了深度学习模型和显式模型预测控制，解决克服了传统模型预测控制计算资源需要高，计算时间长，保证了控制精度和预测准确率，提高了计算效率。
一种基于深度学习重构显式模型预测控制方法

[发明专利]船舶自动舵控制方法、系统及存储介质-CN202310615410.6在审
发明人：李诗杰;刘泰序;刘佳仑;余越 -专利权人：武汉理工大学
申请日： 2023-05-24 - 公布日： 2023-08-29 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种船舶自动舵控制方法、系统及存储介质，应用于船舶自动控制技术领域，能够有效提高预测精度和控制质量，实现较好的自动舵控制效果，提高船舶自动控制的效果。该方法包括：构建船舶模型；根据所述船舶模型构建船舶自动舵模型预测控制模型；对所述船舶自动舵模型预测控制模型进行不同船舶状态下的模型预测控制目标函数逼近，得到目标函数训练数据集；构建门控递归单元神经网络；根据所述目标函数训练数据集对所述门控递归单元神经网络进行训练，得到目标神经网络；根据所述目标神经网络和所述船舶自动舵模型预测控制模型构建船舶自动舵控制器；通过所述船舶自动舵控制器进行自动舵控制。
船舶自动控制方法系统存储介质

[发明专利]一种基于递归神经网络的烘丝过程水分预测控制方法及系统-CN201911008566.8有效
发明人：朱思奇;秦杨;马天行;蔡长兵;楼阳冰;孙丰诚 -专利权人：杭州安脉盛智能技术有限公司
申请日： 2019-10-22 - 公布日： 2022-12-06 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及烘丝过程水分控制技术领域，公开了一种基于递归神经网络的烘丝过程水分预测控制方法及系统，包括：A）采集烘丝过程相关数据；B）对采集到的牌号信息进行自动识别，得到控制参数；C）对相关数据进行判定，建立非线性预测控制模型；D）将非线性预测模型转化为基于递归神经网络的非线性预测控制模型，更新递归神经网络的权重，获得出口含水率预测值；E）构建性能指标J，获得使性能指标J最优的排潮风门开度。本发明改进了非线性预测控制模型，提高了神经网络训练速度和稳定性，增加了出口含水率的稳定性。
一种基于递归神经网络过程水分预测控制方法系统

[发明专利]一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法-CN201810384105.X有效
发明人：吕剑虹;索明琛;蔡戎彧;于吉 -专利权人：东南大学
申请日： 2018-04-26 - 公布日： 2019-07-12 - 主分类号： B02C17/18 文献下载
摘要：本发明公开了一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法，控制系统包括基于RBF神经网络模型的预测控制器、控制量初始化模块以及被控对象，被控对象为双进双出球磨机模型，其输出连续被控量经离散化后生成的离散被控量和被控量当前设定值输入控制量初始化模块和预测控制器，控制量初始化模块输出控制量初始值输入给预测控制器，预测控制器输出离散控制向量经零阶保持器转换为连续控制量输出给双进双出球磨机模型。控制方法采用RBF神经网络正向模型和RBF神经网络逆向模型实现对被控对象的预测控制。本发明可以对系统进行提前控制和调节，适用于大滞后系统的控制，被控量响应快、超调量小，同时具有良好的鲁棒性。
预测控制器被控初始化模块被控对象预测控制控制量球磨机球磨机控制输出零阶保持器设定值输入输出控制量控制系统离散控制连续控制模型实现超调量离散化鲁棒性向量正向响应滞后转换

[发明专利]一种基于非线性系统的神经网络预测控制器-CN202010143312.3在审
发明人：唐晓铭;刘俊东;毛胡波;王思尧;雷志灵;李梦月;吴梦莹;周贵超;吴戟;安进;李宇 -专利权人：重庆邮电大学
申请日： 2020-03-04 - 公布日： 2020-07-10 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及一种基于非线性系统的神经网络预测控制器，属于非线性系统控制技术领域。该控制器包括预测模型、滚动优化以及反馈校正三部分，其实现方法：首先，选用神经网络对非线性系统的动态过程进行建模，通过调节神经网络的权值阈值来逼近该非线性系统的动态过程；然后，通过智能控制中的预测控制方法，基于建立的神经网络预测模型来实现预测控制，采用Levenberg‑Marquardt算法来滚动优化，以提高算法的实时性，由逆神经网络完成算法的初始值选取；根据实际测量输出与预测输出的比较实现反馈校正。本发明提高了控制精度，且极大地减少了计算复杂度，能在保证控制性能的前提下有效提高控制器的实时性。
一种基于非线性系统神经网络预测控制器

[发明专利]SBR法氨氧化过程神经网络智能控制的方法-CN201611200797.5有效
发明人：杨庆;杨玉兵;刘秀红;冯红利;李健敏;李健伟 -专利权人：北京工业大学
申请日： 2016-12-22 - 公布日： 2022-03-04 - 主分类号： G06Q10/04 文献下载
摘要：SBR法氨氧化过程神经网络智能控制的方法，属于废水处理方法领域。在SBR系统中，利用实时控制策略控制曝气时间，以长期运行稳定的SBR数据为基础数据，建立3层BP神经网络预测控制模型，然后根据在线检测pH数据提前预测氨氮浓度；主要依据数据采集、数据处理以及模型建立；在恒定溶解氧(DO)条件下，利用BP神经网络模型，将数据进行训练、校正和测试，达到精度要求后，再将神经网络预测控制模型用于SBR系统中，预测并控制氨氧化过程。
sbr 氧化过程神经网络智能控制方法

[发明专利]一种建筑物独立供能温度非线性预测控制方法-CN200810153140.7无效
发明人：杨昭;徐振军 -专利权人：天津大学
申请日： 2008-11-18 - 公布日： 2009-03-25 - 主分类号： F24F11/00 文献下载
摘要：本发明属于建筑物独立冷热供能技术领域，涉及建筑物独立供能温度非线性预测控制方法，包括PID神经元神经网络和灰色预测控制器，所述的灰色预测控制器根据出水温度的历史变化，采用灰色预测法，得到出水温度预测值，再将该出水温度预测值与出水温度设定值一起被送入PID神经元神经网络，作为其前向网络的输入层；所述的PID神经元神经网络前向网络的隐含层含有3个神经元，各神经元的输出函数分别对应于比例、积分、微分3个部分；网络的输出层进行PID神经元神经网络控制量计算，根据出水温度实际测量值和设定值之间的误差信号在线调整权重。
一种建筑物独立温度非线性预测控制方法

[发明专利]用于机器人的串联弹性执行器的神经网络模型预测控制方法-CN202110429622.6有效
发明人：单新平;张安龙;严作海 -专利权人：杭州新剑机器人技术股份有限公司
申请日： 2021-04-21 - 公布日： 2023-05-12 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种用于机器人的串联弹性执行器的神经网络模型预测控制方法，其包括：针对串联弹性执行器建立动力学模型；构建并训练动态循环神经网络；将训练得到的动态循环神经网络作为模型应用至非线性动力系统中，并通过将和非线性动力系统相关联的当前测量值及历史时刻测量值输入到动态循环神经网络中，从而获得系统参数预测值；输入针对非线性动力系统的期望轨迹，结合系统参数预测值，并采用梯度下降法优化求解得到未来时刻的系统最优控制输入序列。根据本发明的用于机器人的串联弹性执行器的神经网络模型预测控制方法，能够利用神经网络结合模型预测控制算法实现更为有效地对于振动的抑制，从而改善机器人的性能及人机协作的舒适度。
用于机器人串联弹性执行神经网络模型预测控制方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条