基于自适应递归模糊神经网络的污水处理控制OA北大核心CSCDCSTPCD
Wastewater treatment control method based on adaptive recurrent fuzzy neural network
针对污水处理过程中具有的非线性、大时变等特征,提出了一种基于自适应递归模糊神经网络(recurrent fuzzy neural network, RFNN)的污水处理控制方法。该方法利用自适应RFNN识别器建立污水处理过程的非线性动态模型,建立的模型可以为RFNN控制器提供污水处理过程中的状态变量信息,保证了控制器根据系统响应调整操作变量的精确性；并且RFNN辨识器及RFNN控制器基于自适应学习率进行学习,确保了递归模糊神经网络的收敛精度和速度…查看全部>>
Due to the nonlinear and highly time-varying issues of wastewater treatment processes, a wastewater treat-ment control method based on adaptive recurrent fuzzy neural network (RFNN) is proposed. Firstly, the adaptive RFNN identifier is used to establish the nonlinear dynamic model of wastewater treatment process. The model can afford the state variable information of wastewater treatment process to RFNN controller, which can ensure the accuracy of manipulate…查看全部>>
韩改堂;乔俊飞;韩红桂
北京工业大学电子信息与控制工程学院，北京100124 计算智能与智能系统北京市重点实验室，北京100124北京工业大学电子信息与控制工程学院，北京100124
信息技术与安全科学
污水处理递归模糊神经网络自适应学习率基准仿真模型(BSM1)
wastewater treatmentrecurrent fuzzy neural networkadaptive learning ratebenchmark simulation model 1 (BSM1)
《控制理论与应用》 2016 (9)
城市污水处理优化运行控制知识自动化系统设计方法与应用验证
1252-1258,7
国家自然科学基金项目(61622301,61533002,61225016),北京市教育委员会科研计划项目(KZ201410005002, km201410005001),教育部博士点基金项目(20131103110016)资助
评论