导读:本文包含了神经网络动态矩阵控制论文开题报告文献综述及选题提纲参考文献，主要关键词:动态矩阵控制,预测模型,神经网络,误差补偿
神经网络动态矩阵控制论文文献综述
潘春森[1]（2015）在《基于汽车领域的神经网络动态矩阵的误差补偿控制研究》一文中研究指出基于预测控制算法的动态矩阵控制理论,改进得到了算法模型的误差相关矩阵,给出约束多变量DMC模型以及神经网络误差补偿的动态矩阵控制验证,在误差控制仿真验证中,应用神经网络误差补偿的预测控制效果优势明显,这一研究对模糊预测技术的进一步推广应用有一定的促进作用。(本文来源于《现代电子技术》期刊2015年15期）
刘伟,王思明,张国武[2]（2010）在《基于RBF神经网络陶瓷窑炉温度动态矩阵控制》一文中研究指出陶瓷窑炉普遍具有纯滞后、大惯性、非线性、时变复杂等特点,其精确数学模型往往很难获取。针对这类系统,本文采用RBF神经网络建立被控对象模型,避免了常规控制算法建立对象精确数学模型的困难。应用动态矩阵预测算法实现对被控系统的预测控制。该控制方法具有很好的动、静态性能和强鲁棒性。以陶瓷窑炉温度为对象,与PID控制进行了比较;仿真结果证明了所提控制方法的有效性。(本文来源于《中国陶瓷》期刊2010年09期）
王彩霞[3]（2007）在《基于RBF神经网络的动态矩阵控制算法》一文中研究指出利用RBF网络对DMC算法进行结构上的改进,并用RBF网络的逼近性能建立预测模型,提出一种基于RBF神经网络建模的动态矩阵控制算法,并用该算法对典型的时滞系统进行仿真试验,结果表明该算法具有较高的控制精度和响应速度.(本文来源于《西北民族大学学报(自然科学版)》期刊2007年04期）
周以琳,张文霞,袁健[4]（2006）在《神经网络动态矩阵控制在FF现场总线中的应用研究》一文中研究指出针对时滞系统的特点和采用动态矩阵控制存在的不足之处,提出利用Matlab7.0OPC工具包实现与定制的OPC服务器间通讯来实现BP神经网络动态矩阵控制方案,充分发挥了FF现场总线易于调度及抗干扰能力强的特点以及BP神经网络动态矩阵控制的控制能力强,响应速度快和比动态矩阵控制更好的控制效果的优势。(本文来源于《全国第十届企业信息化与工业工程学术年会论文集》期刊2006-11-01）
王锡淮,肖健梅[5]（2005）在《动态矩阵控制参数的神经网络优化算法》一文中研究指出动态矩阵控制是一种重要的预测控制算法,适用于具有大纯滞后的工业对象和非最小相位系统,在实际应用中需要确定多个参数。文章提出了一种以限制控制量变化为目标,用神经网络在线优化控制矩阵参数的DMC控制算法。仿真结果验证了该文提出算法的有效性。(本文来源于《计算机工程与应用》期刊2005年32期）
张维庆,王辉[6]（2004）在《基于BP神经网络预报的动态矩阵预测控制》一文中研究指出提出了一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.该方法解决了非线性、时变对象难以建模及控制的问题,又保留了常规预测控制的优点,是一种比较好的、有着广阔应用前景的新型控制算法.仿真结果验证了这一新型算法的可行性.(本文来源于《湖南文理学院学报(自然科学版)》期刊2004年03期）
禹柳飞,张国云[7]（2004）在《基于BP神经网络预报的动态矩阵预测控制》一文中研究指出提出了一种基于BP神经网络预报的动态矩阵预测控制新算法 ,在该算法中 ,先用BP神经网络辨识对象模型 ,同时预测对象的未来输出 ,然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模及控制的问题 ,仿真结果验证了这一新型算法的可行性(本文来源于《湖南理工学院学报(自然科学版)》期刊2004年01期）
禹柳飞,王辉[8]（2003）在《基于神经网络预报的动态矩阵预测控制》一文中研究指出提出了一种基于径向基神经网络预报的动态矩阵预测控制新算法 ,在该算法中 ,先用RBF神经网络辨识对象模型 ,同时预测对象的未来输出 ,然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模的问题 ,仿真结果验证了这一新型算法的可行性。(本文来源于《茂名学院学报》期刊2003年01期）
李峰,李树荣[9]（2001）在《基于动态递归神经网络的动态矩阵控制》一文中研究指出给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性(本文来源于《石油大学学报(自然科学版)》期刊2001年03期）
石中锁,孙一康,舒迪前[10]（1995）在《基于神经网络的动态矩阵控制》一文中研究指出利用神经网络优化性能指标实现了动态控制，并给出了计算机模拟实例。(本文来源于《北京科技大学学报》期刊1995年05期）
神经网络动态矩阵控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
陶瓷窑炉普遍具有纯滞后、大惯性、非线性、时变复杂等特点,其精确数学模型往往很难获取。针对这类系统,本文采用RBF神经网络建立被控对象模型,避免了常规控制算法建立对象精确数学模型的困难。应用动态矩阵预测算法实现对被控系统的预测控制。该控制方法具有很好的动、静态性能和强鲁棒性。以陶瓷窑炉温度为对象,与PID控制进行了比较;仿真结果证明了所提控制方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络动态矩阵控制论文参考文献
[1].潘春森.基于汽车领域的神经网络动态矩阵的误差补偿控制研究[J].现代电子技术.2015
[2].刘伟,王思明,张国武.基于RBF神经网络陶瓷窑炉温度动态矩阵控制[J].中国陶瓷.2010
[3].王彩霞.基于RBF神经网络的动态矩阵控制算法[J].西北民族大学学报(自然科学版).2007
[4].周以琳,张文霞,袁健.神经网络动态矩阵控制在FF现场总线中的应用研究[C].全国第十届企业信息化与工业工程学术年会论文集.2006
[5].王锡淮,肖健梅.动态矩阵控制参数的神经网络优化算法[J].计算机工程与应用.2005
[6].张维庆,王辉.基于BP神经网络预报的动态矩阵预测控制[J].湖南文理学院学报(自然科学版).2004
[7].禹柳飞,张国云.基于BP神经网络预报的动态矩阵预测控制[J].湖南理工学院学报(自然科学版).2004
[8].禹柳飞,王辉.基于神经网络预报的动态矩阵预测控制[J].茂名学院学报.2003
[9].李峰,李树荣.基于动态递归神经网络的动态矩阵控制[J].石油大学学报(自然科学版).2001
[10].石中锁,孙一康,舒迪前.基于神经网络的动态矩阵控制[J].北京科技大学学报.1995