论文部分内容阅读
本文使用的基于GM(1,1)模型的灰色预测控制器的主要特点是仅需要少量的被控对象模型结构的信息。
本文结合液位对象纯滞后的控制特点,分析了用灰色预测控制算法解决这类问题的可行性。并通过大量仿真实验及获得的数据,详细地研究了灰色预测控制的建模维数、建模采样周期以及预测步数的选取,并与传统PID控制算法进行了比较,针对实际生产过程中的被控对象模型时变的特点,分析了影响液位对象模型时变的主要原因,根据神经网络具有能够充分逼近任意复杂的非线性关系和能够学习严重不确定系统的动态特性,并且具有适应性、智能性较好的特点,提出了基于BP神经网络的灰色预测控制算法,并进行了仿真研究。
仿真结果的对比分析表明:本文的控制算法与传统控制器相比,具有控制简便、自适应性较强等特点,适用于对纯滞后和模型时变对象的控制,是一种较好的控制器。