基于蚁群算法优化RBF神经网络的汽温系统控制

郎宪明; 屈宝存; 吴传国; 张勇强

Chinese

您当前的位置：

首页 >

文章列表页 >

基于蚁群算法优化RBF神经网络的汽温系统控制

计算机与控制工程 | 更新时间：2026-07-10

- 基于蚁群算法优化RBF神经网络的汽温系统控制
- Main Steam Temperature Control Using RBF Neural Network Based on Ant Colony Optimization Algorithm
- 哈尔滨理工大学学报 2010年15卷第6期页码：47-50
- 作者机构：
  
  辽宁石油化工大学信息与控制工程学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP273
- 纸质出版：2010
- 稿件说明：
移动端阅览
郎宪明, 屈宝存, 吴传国, 等. 基于蚁群算法优化RBF神经网络的汽温系统控制[J]. 哈尔滨理工大学学报, 2010,15(6):47-50.

LANG Xian-ming, QU Bao-cun, WU Chuan-guo, et al. Main Steam Temperature Control Using RBF Neural Network Based on Ant Colony Optimization Algorithm[J]. 2010, 15(6): 47-50.
郎宪明, 屈宝存, 吴传国, 等. 基于蚁群算法优化RBF神经网络的汽温系统控制[J]. 哈尔滨理工大学学报, 2010,15(6):47-50. DOI：

LANG Xian-ming, QU Bao-cun, WU Chuan-guo, et al. Main Steam Temperature Control Using RBF Neural Network Based on Ant Colony Optimization Algorithm[J]. 2010, 15(6): 47-50. DOI：

摘要

针对火电厂主蒸汽温度模型不确定性的问题

提出一种智能复合控制方法.采用粒子群算法优化蚁群算法参数

将改进蚁群算法对径向基神经网络PID的权值进行优化

从而实现了对主蒸汽温度的动态控制.仿真结果表明

基于改进蚁群算法优化的径向基神经网络PID控制器使被控系统具有快速响应速度和很好的抗干扰性能

证明了该方法的有效性.

Abstract

Directing against the features of uncertainty in the steam temperature control of thermal power plants

an intelligent control method has been put forward.The improved ant colony optimization algorithm with PSO algorithm is put forward to optimize the weights of network PID controller

thus realizing the main steam temperature dynamic control.The simulation results show that the PID controller using RBF neural network based on ant colony algorithm with PSO algorithm has the advantages of high rapid response

a...

关键词

Keywords

references

浏览量

2112

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于蚁群算法的WSN路由协议研究

利用Sobel算子结合蚁群算法提取竹材的内外轮廓

基于改进蚁群算法的SDN数据中心流调度研究

内孔空化发生单元在变转速下的性能研究

结合在线注意力网络的变电站绝缘子缺陷识别研究