摘要
本发明公开了一种基于深度神经网络的变流器模型预测控制方法,包括以下步骤:采用神经网络控制模型控制变流器运行;采用深度神经网络分析变流器的负载类型与控制性能;当识别出负载类型变化或者控制性能下降时,按规则切换神经网络控制模型。本发明采用深度神经网络分析变流器的运行状态与负载类型,设计神经网络控制模型切换规则,实现神经网络控制模型的更新,所设计的方法具有快速、准确地实现神经网络控制模型更新的优点。
技术关键词
模型预测控制算法
深度神经网络
变流器系统
阻感性负载
神经网络控制系统
长短期记忆神经网络
BP神经网络拟合
变流器控制方法
系统控制
非线性
离线
预测误差
控制策略
网络结构
预判系统
复杂度
在线
系统为您推荐了相关专利信息
损伤特征
指数
图像分割算法
异常状态
区域图像识别
金融数据处理方法
深度学习模型
注意力机制
样本
金融数据处理系统
反向设计方法
带隙
变分自动编码器
晶体
深度神经网络
泡沫轻质土
智能养护装置
微型计算机
深度学习神经网络
深度生成模型
基数估计方法
累积分布函数
神经网络单元
表格
变量