Elman网络模型参考自适应控制在镍氢电池智能充电中的应用.pdf

Elman网络模型参考自适应控制在镍氢电池智能充电中的应用.pdf

ID:52396543

大小:214.43 KB

页数:3页

时间:2020-03-27

Elman网络模型参考自适应控制在镍氢电池智能充电中的应用.pdf_第1页
Elman网络模型参考自适应控制在镍氢电池智能充电中的应用.pdf_第2页
Elman网络模型参考自适应控制在镍氢电池智能充电中的应用.pdf_第3页
资源描述:

《Elman网络模型参考自适应控制在镍氢电池智能充电中的应用.pdf》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、·56·工业仪表与自动化装置2013年第4期Elman网络模型参考自适应控制在镍氢电池智能充电中的应用朱春颖,沈海军,顾豪,殷忠敏,李燕(河北机电职业技术学院,河北邢台054000)摘要:镍氢电池内部的电化学反应是一个对环境敏感的、复杂的非线性过程,对于这一过程有效的数学模型非常复杂。在现有充电技术条件下,这一因素严重影响了镍氢电池的充电质量。针对这一问题,提出了神经网络模型参考自适应控制策略,对镍氢电池进行智能充电。仿真结果表明,该系统缩短了充电时间,提高了充电效率,实现了镍氢电池的智能快速充电。关键词:镍氢电池;模型参考自适应

2、控制;智能充电中图分类号:TP183文献标志码:A文章编号:1000—0682(2013)04—0056—03TheapplicationofElmannetworkmodelreferenceadaptivecontrolinintelligentchargeofMH—NibatteryZHUChunying,SHENHaijun,GUHao,YINZhongmin,LIYan(HebeiInstituteofMachineryElectricity,HebeiXingtai054000,China)Abstract:Thein

3、nerelectrochemistrialreactionofMH—Nibatteryisacomplexnonlinearprocess,whosemathematicmodeisverycomplex.Ontheconditionofexistingchargetechnology,itaffectsgravelychargingqualityofMH—Nibattery.Consideringthisproblem,neuralnetworkmodelreferenceadaptivecontrolisintroducedt

4、ochargetheMH—Nibatteryintelligently.Thesimulationresultsshowthatthechargetimeisshorten,chargeeficiencyisimproved,realizingintelligentlyandrapidlychargeofMH—Nibattery.Keywords:MH—Nibattery;modelreferenceadaptivecontrol;intelligentcharge制。智能充电将是未来的必然趋势。0引言针对镍氢电池的非线性、时变性

5、及不确定性,根镍氢电池作为一种储能设备广泛地应用于计算据镍氢电池充电时所表现出的静态特性和动态特机设备、数据通信系统、医用控制系统、精密测量系性,将神经网络模型参考自适应控制应用于镍氢电统和交通系统等。其工作性能是各种系统、各个部池充电控制中,以提高充电效率。仿真结果表明,这门正常工作,提高工作效率和质量的重要保证。因种方法缩短了充电时间,提高了充电效率,延长了电而,镍氢电池充电技术在工业化、信息化和网络化的池的使用寿命,达到了工业控制要求¨。现代社会中显得尤为重要。从目前国内充电技术发1Elman回归网络结构描述展情况来看,充电

6、方法比较落后,充电时间长,效率低,缩短了镍氢电池的使用寿命,造成了资源的极大Elman型回归神经元网络

7、4j一般分为4层:浪费。另外,智能化程度低,无法满足现代化电源设输入层、隐层、关联层和输出层。其输入层、隐层和备的使用要求。故研究镍氢电池充电,最重要的输出层的连接类似于前馈网络,输入层的单元仅起就是研究在充电过程中实现快速、无损智能充电控信号传输作用,输出层单元起线性加权和作用,隐层单元可有线性和非线性激活函数,而关联层则用来收稿日期:2008一l0—31作者简介:朱春颖(1982),女,硕士,研究方向为神经网络优化记忆隐层单

8、元前一时刻的输出值,可以认为是一个设计和镍氢电池智能控制的研究。一步时延算子。Elman型回归神经元网络的特点是2013年第4期工业仪表与自动化装置·57·隐层的输出通过关联层的延迟、存储,自联到隐层的与辨识器均选用Elman神经网络,辨识器隐层神经输入,这种自联方式使其对历史状态的数据具有敏元数目为12,控制器隐层神经元数目为7。系统输感性。入量为电池理想的最高电压,控制器的输出量为一基本的Elman回归网络结构如图1所示,用个阶段的充电电流,系统输出为辨识模型的电压。Y()表示k时刻的输出,“(k)表示k时刻的输入,在该系统中

9、,辨识器除了辨识镍氢电池的数学模型()表示k时刻的隐层状态,.()表示k时刻隐以外,在控制过程中还代替电池实际模型并且将其层单元与关联层之间的联接权值,W(k)表示k时输出反馈给控制器,增强了控制器的控制效果。刻隐层单元与输入之间的联接权值。可描述

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。