使用RBF神经网络进行优化冷藏库的控制___毕业设计论文外文文献翻译.docVIP

使用RBF神经网络进行优化冷藏库的控制文摘:近年来,先进控制技术最优控制冷藏。但仍有许多缺点。的一个主要问题是,传统方法不能实现在线预测最优控制制冷系统的简单而有效的算法。一个RBF神经网络有很强的非线性映射能力,一个好的插值性能,价值和更高的训练速度。因此本文提出了一种两级RBF神经网络。将测量值与预测值,两级RBF神经网络用于在线预测最优控制的冷藏温度。新方法的应用效果显示一个巨大的成功。关键词:RBF神经网络、冷藏、在线预测最优控制。介绍冷库温度的预测最优控制找到了广泛应用在农业工程,特别是冷藏的水果和蔬菜保鲜的。所有的currently-used温度控制单元面临如何选择最适温度为控制对象的问题如何进行冷藏库温度的变化和如何实现最优控制。大量的工作研究了前面的方法是基于泰勒级数理论和PID控制算法[1,5]后,毛皮商的转换方法,切比雪夫的理论的系统更好的结(2、3)。近年来,英国石油公司神经网络用于冷库温度的最优控制。BP神经网络具有良好的非线性映射的性能,但它有太多的地方,通常其训练速度太慢(2、5)。因此它不能方便用于在线控制计算。提出了一种两阶段RBF神经网络实现在线最优控制的冷藏温度。第一阶段确定当前最佳制冷系统的温度,和第二个是用于在未来时间点进行温度的值。此外, 他的解决方案是用于制冷系统的直接行动一个最问题是解决了采用RBF神经网络分为两个阶段。第一阶段是用来