基于神经网络的公路隧道通风控制

基于神经网络的公路隧道通风控制

ID:38263813

大小:250.03 KB

页数:4页

时间:2019-05-25

基于神经网络的公路隧道通风控制_第1页
基于神经网络的公路隧道通风控制_第2页
基于神经网络的公路隧道通风控制_第3页
基于神经网络的公路隧道通风控制_第4页
资源描述:

《基于神经网络的公路隧道通风控制》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、http://www.elecfans.com电子发烧友http://bbs.elecfans.com电子技术论坛第1页基于神经网络的公路隧道通风控制123郑毅胡暾赵哲身(1.上海大学自动化系,男,硕士研究生,1978.2;2.上海大学自动化系,男,硕士研究生,1981.8;3.上海大学自动化系,男,教授,室副主任)摘要:研究并设计了一种基于神经网络和专家系统的公路隧道通风智能控制系统。控制系统在原反馈信号——污染物浓度基础上,加入了车流量和车速前馈信号,并通过改进的BP神经网络预测污染物浓度,合理的完成了对通风设备的控制。结果表明,该系统优于传统的分级式反馈控制方

2、法。关键词:公路隧道通风神经网络专家系统RoadTunnelLongitudinalVentilationControlSystemsUsingNeuralNetworkPredictModelZhengYi,HuTun,Zhaozhe-shenAbstract:ThispaperresearchesanddesignsaroadtunnelventilationcontrolsystembasedonNeuralNetworkandExpertSystem(NNE).Topresentabettersolution,itsinputparameterscontai

3、nnotonlythepollutantconcentration,butalsothevehicleflowrateandvehiclevelocityasfeedbacksignalsandusingimprovedBPneuralnetworktopredictpollutantconcentration.Intermsoftheresults,theNNEsystemisbetterthanthefeedbackcontrolsystemattheroadtunnelventilation.Keywords:roadtunnel;ventilation;ne

4、uralnetwork;expertsystemCO浓度值为主要被控参数的负反馈自动控制方式。当被控制量出现偏差时,控制器发出控制指令,1.概述纠正偏差使被控变量保持在合理的数值之内。这种传统的控制方式的缺点是系统有较大的随着交通运输事业的不断发展,我国隧道工程时间延迟,控制不及时且静态偏差大。鉴于隧道通建设已呈现出迅猛发展势态。公路隧道的通风监测风控制系统是一个非线性、时变和分布参数系统,和控制是隧道机电集成控制的重要组成部分。据分用准确的数学解析方法表示其特性显然比较困难[1]析,公路隧道通风设施的造价,一般为工程造价基于此,本文在充分借鉴国内外先进的控制技的2

5、0%-30%,长大隧道甚至可达50%,因而必须选术的基础上,以绿色环境和节能为目标,提出一种择合适的通风方式使其造价和营运费用最低。新型的智能控制应用算法,利用神经网络的非线形隧道通风就是除去或稀释汽车行驶排放出的逼近原理和现代控制理论,很好地实现了实时节能有害物质(如一氧化碳CO,氮氧化合物NOx、烟控制。雾等),使其浓度降低到允许值之内,以确保行车的安全性和舒适性。2.BP网络模型由于公路交通量、车辆组成及行驶速度随时间而不断变化,引起隧道内污染物浓度也随之不断变化,于是要求隧道的通风设备运行状态随之改变。2.1.BP网络结构目前我国公路隧道纵向通风控制系统一般

6、采用以BP网络是一种单向传播的多层前向网络,除http://www.elecfans.com电子发烧友http://bbs.elecfans.com电子技术论坛第2页了输入和输出节点外,还有一层或多层的隐层节一层权值,从这层意义上讲具有反向传播的含义。点,可以看成是从输入到输出的高度非线性映射。∂E权值调整量为:∆ω=−η(4)上下层之间实现全连接,而每层神经元之间无连∂ω接。当一学习样本提供给网络后,神经元的激活值∂E修正权值为:ω=ω+∆ω=ω−η(5)从输入层经中间层向输出层传播,在输出层的各神∂ω经元获得网络的输入响应。接下来,按照减少目标η为学习速率,η>

7、0。输出与实际误差的方向,从输出层经各中间层逐层修正连接权值,最后回到输入层,这种算法称为“误2.3.改进BP算法差逆传播算法”,即BP算法。随着这种误差逆的传传统BP算法,网络存在着一些严重的缺陷,播修正不断进行,网络对输入模式响应的正确率不训练网络时常常会出现收敛慢、振荡和陷入局部极断上升。小点等问题。本文针对非线性系统的特点,对传统具有非线形映射功能,只要具有足够多的隐层BP网络进行改进,引入了Levenberg-Marquardt优和隐节点,BP网络可以逼进任意的非线形映射关化算法。其基本思想是使每次迭代不再沿着单一的系,本文中采用单隐层BP网络,隐含层

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。