电子节气门的自学习逆模型控制方法

发明专利无效专利

申请号：
CN200910044150.1
IPC分类号：G05B13/02;F02D41/00;G06N3/04;G06N3/08
申请日期：
2009-08-18
申请人：
湖南大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	电子节气门的自学习逆模型控制方法
申请号	CN200910044150.1	申请日期	2009-08-18
法律状态	权利终止	申报国家	中国
公开/公告日	2010-01-20	公开/公告号	CN101630144
优先权	暂无	优先权号	暂无
主分类号	G05B13/02 ? IPC结构图谱： G 物理 G0 仪器 G05 控制；调节 G05B 一般的控制或调节系统；这种系统的功能单元；用于这种系统或单元的监视或测试装置（应用流体作用的一般流体压力执行器或系统入F15B；阀门本身入F16K；仅按机械特征区分的入G05G；传感元件见相应小类，例如G12B，G01、H01的小类；校正单元见相应的小类，例如H02K） G05B13/00 自适应控制系统，即系统按照一些预定的准则自动调整自己使之具有最佳性能的系统（G05B 19/00优先；计算机零部件入G06F 15/18）〔3〕 G05B13/02 电的	IPC分类号	G;0;5;B;1;3;/;0;2;;;F;0;2;D;4;1;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	湖南大学	申请人地址	湖南省长沙市岳麓区岳麓山麓山南路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	湖南大学	当前权利人	湖南大学
发明人	王耀南;袁小芳;张辉;吴亮红
代理机构	长沙市融智专利事务所	代理人	颜勇

摘要

本发明公开了一种电子节气门的自学习逆模型控制方法，该控制器的组成结构包括2个部分：1)采用一个径向基函数神经网络作为辨识器，建立电子节气门的非线性模型；2)采用另外一个RBF神经网络作为逆模型控制器，得到合适的控制量。这里的2个RBF神经网络采取了一种自学习策略，包括离线学习和在线学习两个环节：离线学习中，2个RBF神经网络根据现场样本数据，调整优化网络权值参数；离线学习完成后，再采用一种在线学习算法调整优化这两个RBF神经网络权值参数，控制性能达到要求。本发明能克服电子节气门控制中的非线性、时变等难题，提高控制的效果和性能。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供