一种基于神经网络的温度估测方法

    公开(公告)号:CN113091910A

    公开(公告)日:2021-07-09

    申请号:CN202110285588.X

    申请日:2021-03-17

    Abstract: 本发明公开了一种基于神经网络的温度估测方法,包括步骤:1)在实验条件下,通过传感器测量被测物体在实际工况中不方便测量部位的周边温度数据和被测物体该部位的温度数据作为样本数据,构造训练集和测试集;2)通过步骤1)在不同的时间下获取大量的温度数据,并进行预处理和归一化;3)建立神经网络模型,利用实验中得到的数据训练该神经网络模型,直到温度估测的误差达到满意的误差率;4)在实际工况中,就能利用训练好的神经网络模型来准确估测被测物体在实际工况中不方便测量部位的温度。本发明较以往方法,操作简单,实用性好,且准确率高。

    基于粒子群和神经网络的分数阶PID自适应调节方法

    公开(公告)号:CN113759700A

    公开(公告)日:2021-12-07

    申请号:CN202111001128.6

    申请日:2021-08-30

    Inventor: 黄壮壮 顾正晖

    Abstract: 本发明公开了一种基于粒子群和神经网络的分数阶PID自适应调节方法,使用Hausdorff定义的分形导数对分数阶PID控制器进行离散化处理。然后,使用带有动量的梯度下降法,推导出分数阶PID控制器参数和阶次的更新公式。在此基础上,为了使控制器性能更好,需要在自适应调整前,对分数阶PID控制器的参数和阶次赋予初值,避免被控对象运行前期进行不必要的调整。使用粒子群算法预先对分数阶PID控制器进行参数整定,得到最优的值,在此基础上利用自适应调整策略对分数阶PID控制器参数进行更新,达到更好的控制效果,且易于实现,动态性能好。

Patent Agency Ranking