采用神经网络和遗传算法, 对温室栽培番茄生长过程中主要器官——茎的生长过程进行了建模. 温室番茄
的生长过程具有控制变量多、生长过程复杂等特点. 采用基于径向基函数(RBF) 神经网络的辨识方法建立了温室栽
培番茄生长的模型, 以温室中番茄的实测数据为训练和预测样本, 采用遗传算法进行训练. 仿真结果表明, 该方法较
其他方法更适合于温室番茄生长过程的建模.
2023-03-17 10:13:32
279KB
1
对BBO算法进行了改进；并将改进的BBO算法应用到
1.系统辨识；2.PID控制器参数整定；3.正丁烷异构化学反应动力学模型参数辨识及操作条件优化。
2023-03-16 11:12:49
6.41MB
1
基于改进的PI模型对非线性曲线进行拟合，二次寻优算法进行参数辨识，用逆模型前馈补偿
2022-11-06 17:23:59
2.09MB
1
PSO粒子群算法，找到常减压装置传递函数，simulink搭建模型，辨识常减压装置传递函数参数
2022-10-20 10:33:57
185KB
1
参数辨识是过程建模的基础,提出了一种基于粒子群优化(PSO)算法的模型参数辨识方法,将过程模型的每个参数作为粒子群体中的一个粒子,利用粒子群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率.对火电厂热工过程进行参数辨识的仿真结果表明,利用PSO算法辨识过程模型参数,无论过程模型是否是时滞对象,该辨识方法对过程模型的阶次不敏感,对于不同的输入信号,均能得到满意的辨识精度和效率,因此得到了较为精确的过程模型,模型输出与实际输出基本一致.
2022-04-27 00:41:57
689KB
1