[发明专利]微藻生长速率调节的人工神经网络模型参考伺服控制器无效
申请号: | 201210192635.7 | 申请日: | 2012-06-12 |
公开(公告)号: | CN102736540A | 公开(公告)日: | 2012-10-17 |
发明(设计)人: | 胡大伟;刘红;李明;周瑞;张厚凯 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G05B19/042 | 分类号: | G05B19/042 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 生长 速率 调节 人工 神经网络 模型 参考 伺服 控制器 | ||
1.微藻培养系统中用于微藻生长速率调节的人工神经网络模型参考伺服控制器,其特征在于:
(1)无论微藻培养系统内部结构和动态特性如何复杂,都可以利用人工神经网络,在实验数据的基础上,通过其自组织、自适应地学习和训练对系统进行快速精确的模型辨识;
(2)根据微藻的生长特性与培养系统的物理特征,以及预定的微藻生长对控制因子的响应性能,构建一个理想的参考模型,用于人工神经网络模型参考伺服控制器的研制;
(3)根据在相同阶跃输入下,根据微藻系统的人工神经网络模型和参考模型之间的响应差异,去训练另一个人工神经网络,作为控制器;
(4)将MatLab/Simulink平台的数值仿真与实时半实物仿真技术相结合,完成人工神经网络模型参考伺服控制器的数值仿真设计和快速原型设计。
2.如权利要求1所述方法,其特征在于:通过人工神经网络技术,辨识微藻培养系统的输入—输出“黑箱”模型,该方法具有能够对复杂系统进行快速建模和极强的容错性的优点。
3.如权利要求1所述方法,其特征在于:运用人工神经网络方法建立控制器,具有强大的自组织性、自适应性、鲁棒性和容错性,以及在线学习训练的能力,能够在微藻培养系统内外复杂的变化条件下,对人工神经网络进行适应性的学习,快速辨识系统模型,训练控制器,稳健地调节微藻的生长。
4.如权利要求1所述方法,其特征在于:运用MatLab/Simulink数值仿真对控制器进行理论数字化研制,离线训练人工神经网络——辨识系统和研制控制器,并检验模型的有效性及控制的可行性。
5.如权利要求1所述方法,其特征在于:运用MatLab/Simulink实时仿真对实际微藻培养系统中的微藻生长速率进行控制,对人工神经网络模型参考伺服控制器仿真模型进行快速原型设计,使微藻的生长速率能够得到稳健地控制,并对控制作用具有良好的动态响应性能,并将人工神经网络模型参考伺服控制器仿真模型生成C代码,嵌入单片机使其成为实际的微藻培养系统中微藻的生长速率控制器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210192635.7/1.html,转载请声明来源钻瓜专利网。