将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于BP神经网络的板形预测控制数学模型.经用宝钢1420mm冷轧实测数据仿真验证表明该模型具有很高的预测精度

一、按运动轨迹分类 1、 点位控制系统 2、 直线控制系统 3、 轮廓控制系统（连续控制系统）

最优控制是系统设计的一种方法。它所研究的中心问题是如何选择控制信号才 能保证控制系统的性能在某种意义下最优

8.1差错控制编码的基本概念 8.1.1差错控制方式 图8-1差错控制系统

在对气固流化床选煤系统被控对象特性分析研究的基础上,提出了用逆控制方法解决具有非线性多变量特点的气固流化床密度和床高的控制问题,建立了相关数学模型,介绍了流化床密度及床高逆系统控制方法,并获得较好的控制精度

2.1控制系统的微分方程 2.2控制系统的传递函数 2.3 动态结构图

针对板形板厚耦合系统中参数在一定范围内变化的情况下,将自适应控制与系统具体的数学模型相结合,提出自动调整解耦网络和控制器参数的设计方法。仿真表明,该方法消除了参数变化的影响,使解耦控制效果良好

5.1 概述 5.2 三元催化转换器与闭环控制 5.3 燃油蒸发排放控制系统 5.4 废气再循环（EGR）控制 5.5 曲轴箱强制通风系统 5.6 二次空气喷射系统

一、控制系统数学模型的概念 定义:根据系统运动过程的物理、化学等规律,所写出 的描述系统运动规律、特性和翰出与输入关系的数学 表达式

以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标,建立了板坯连铸二次冷却智能控制模型.该模型采用支持向量机(SVM)实现板坯表面目标温度的动态设定,采用对角递归神经网络(DRNN)实现板坯表面温度的预测,采用T-S模糊递归神经网络实现二次冷却水动态调整与分配.通过对某钢厂板坯连铸过程进行仿真计算和现场试验,结果表明:该模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合,实现了连铸二次冷却动态优化控制,有利于提高板坯的质量