采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

针对多变量耦合系统,提出了一种新的广义预测解耦控制算法.通过广义预测误差权值自动调节以消除系统耦合引起的误差,从而降低系统的耦合影响,提高系统性能.该方法与常规的多变量广义预测控制算法相比,算法简单,计算量小.本文所设计的算法被应用到热轧带钢板形板厚控制系统中,仿真结果表明了该算法的有效性和正确性

预测控制的由来 预测控制原理 动态矩阵控制算法 多变量预测控制 商品化预测控制软件 仿真举例

对模型未知的系统采用Kautz函数逼近得到系统的近似模型.基于所得到的Kautz模型设计了一种预测函数控制器.对该算法进行了稳定性分析,依据Lyapunov稳定性定理得到了保证闭环控制系统稳定的充分条件.仿真实验证明,该算法能够准确逼近真实系统模型,实现自适应控制,得到满意的控制效果

第一节 财务预测---企业资金需求预测 第二节 财务预算 第三节 财务控制

5.1 传染病模型 5.2 经济增长模型 5.3 人口预测和控制 5.4 万有引力定律的发现

第一节质量成本概念→ 第二节质量成本分析→ 第三节质量成本数据的收集和计算→ 第四节质量成本的预测和控制→

模型预测控制发展背景 特点 基本原理 动态矩阵控制DMC 模型算法控制MAC 在工业中的应用举例

一、需求预测 二、生产能力测定 三、综合计划 四、主生产计划 五、物料需求计划

给出了基于CARIMA模型的广义预测控制器的内模结构,分析了其闭环特性和鲁棒性,并证明了显式自校正算法的全局收敛性