技術及工程應用講稿5(人工神經(jīng)網(wǎng)絡與神經(jīng)網(wǎng)絡控制)-資料下載頁
2025-02-28 14:04本頁面
【正文】 標大都以出水濁度衡量 。 最佳投藥量預測控制系統(tǒng) 在以上模型基礎上結合優(yōu)化算法可建立投藥量最佳預測控制系統(tǒng)，實現(xiàn)混凝投藥的最佳實時控制。 9 神經(jīng)網(wǎng)絡控制中有待解決的問題 當所給數(shù)據(jù)不充分或不存在可學習的映射關系時，神經(jīng)網(wǎng)絡結構可能找不到滿意的解，而且有時也很難估計神經(jīng)網(wǎng)絡結構給出的結果。 網(wǎng)絡本身的黑箱式內部知識表達方式使其不能利用初始經(jīng)驗進行學習，易于限于局部極小值。 神經(jīng)網(wǎng)絡控制中有待解決的問題 神經(jīng)網(wǎng)絡的訓練很慢，由于要收集、分析和處理大量的訓練數(shù)據(jù)，同時還需要相當?shù)慕?jīng)驗來選擇合適的參數(shù)，有時需要付出很高的代價。 神經(jīng)網(wǎng)絡的網(wǎng)型未有重大突破，專門適合控制問題的動態(tài)神經(jīng)網(wǎng)絡仍有待進一步發(fā)展。 分布式并行計算的潛力還有賴于硬件實現(xiàn)技術的進步 10 人工神經(jīng)網(wǎng)絡的發(fā)展方向 基礎理論研究，包括神經(jīng)網(wǎng)絡的統(tǒng)一模型與通用學習算法，激發(fā)函數(shù)的類型等； 研究專門適合于控制問題的動態(tài)神經(jīng)網(wǎng)絡模型，解決相應產(chǎn)生的對動態(tài)網(wǎng)絡的逼近能力與學習算法問題； 對成熟的網(wǎng)絡模型與學習算法，研究相應的神經(jīng)網(wǎng)絡控制專用芯片； 目前將模糊邏輯（包括專家系統(tǒng)）與神經(jīng)網(wǎng)絡相結合，發(fā)展模糊神經(jīng)網(wǎng)絡控制方法已成為主要發(fā)展趨勢。 謝謝大家！ 市場需求 投藥混凝是水質凈化的重要環(huán)節(jié) ， 在水處理工藝一定的條件下 ， 混凝劑的投加量直接決定混凝效果 ， 準確地投加混凝劑可有效減輕過濾 、 消毒設備的負擔 ， 是提高水質 、取得良好經(jīng)濟效益的關鍵問題 。 現(xiàn)狀 目前主要采用的方法是通過人工定期做燒杯試驗確定 、 修正系統(tǒng)的投藥量 。 由于燒杯試驗需要一定的時間 ， 故這種方法確定的系統(tǒng)投藥量只能是適合某一時間內的近似最優(yōu)值 。 解決問題難度 水處理的混凝投藥過程是一個復雜的物理、化學反應過程，目前還很難通過對其化學反應機理的研究，準確地建立反應過程的數(shù)學模型。而影響混凝劑投加量的因素又很多，如源水濁度、溫度、流量、 pH、所含雜質特性、凈水設備的負荷及狀態(tài)等，使得系統(tǒng)的最優(yōu)投藥量需要根據(jù)水質特點不斷修正。
教學課件相關推薦
鄂ICP備17016276號-1