【技术实现步骤摘要】
基于六阶B－样条小波神经网络的史密斯预估补偿方法
：本专利技术与史密斯(Smith)预估补偿方法有关。
技术介绍
：史密斯(Smith)预估控制，是一种针对纯滞后系统设计的控制策略。在控制理论中，滞后指在时间上被控变量的变化落后于扰动变化，是一种十分常见的现象。纯滞后是指，在物料、能量或信号传输过程中由于传输速度有限而产生的延迟。一般纯滞后就是指由传输速度限制导致的滞后。史密斯预估控制是一种纯滞后补偿控制，其通过引入一个和被控对象并联的补偿器对纯滞后进行削弱和消除。经过史密斯预估器的补偿，纯滞后环节被转移到了闭环控制回路之外，因而不会对系统产生不利影响。由拉氏变换的位移定理可知，纯滞后特性只是将原输出信号推移了一定的时间，不会改变输出信号的波形和性能表现。在工业过程中，被控对象或多或少存在一定的纯滞后特性，纯滞后特性往往使系统稳定性降低，动态性能变坏，可能引起超调和振荡；史密斯预估器的引入很好的补偿了大迟延对象的纯滞后特性，提高了系统的稳定性和动态性能。对于以稳定性为首要要求、快速性为次要要求的系统，史密斯预估器十分...
【技术保护点】
1.基于六阶B-样条小波神经网络的史密斯预估补偿方法，步骤如下：/n(1)设实际被控对象为:/n
【技术特征摘要】
1.基于六阶B-样条小波神经网络的史密斯预估补偿方法，步骤如下：
(1)设实际被控对象为:
其中x代表系统状态量，u代表输入量，
(2)将式(1)进行离散化处理，得到：
其中Tn为采样时刻，Tn+1-Tn为系统状态量x的采样间隔，n＝0，1，2，3...，
(3)根据实际情况取定u值，根据模型精度要求取定一个常值Δx，
(4)当x每增加Δx时，即x(Tn+1)-x(Tn)＝Δx时，记录下ΔTn＝Tn+1-Tn值，
(5)由记录的ΔTn值，计算yn＝Δx/ΔTn，得到学习样本yn，记录学习样本总数，
(6)将得到的学习样本编列成向量Y：
(7)六阶B-样条小波神经网络输入层权值2J为：
其中α为根据式(1)中f(x,u)的带宽所确定的滤波带宽系数且α≥1，
(8)六阶B-样条小波神经网络隐层为尺度函数φ(x)，其傅里叶变换形式：
其中ω为角频率，对式(5)中的进行傅里叶反变换，得到φ(x)：
(9)由
I0≤h≤I1(7)
得到六阶B-样条小波神经网络隐层节点数h,其中，区间[m,n]为需要覆盖的训练区间，
(10)由尺度函数φ(x)得到矩阵Φ：
其中矩阵行数为学习样本...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。