摘要：针对发汗冷却系统中不可压缩发汗剂对热层温度场的优化控制问题,利用径向基函数神经网络建立了被控温度场的预测模型,构造了使发汗剂消耗量和预测温度超调量极小化的泛函性能指标,提出一种基于遗传算法的PID进化控制策略和实现算法。同时,该神经网络预测器可以通过在线学习随时跟踪温度场的变化,以实现对温度场的滚动优化和进化控制。仿真结果表明,这种基于神经网络预测和遗传算法优化的PID进化控制器能够实现在几乎无烧蚀的情况下发汗剂消耗量的最小化。而且,该算法还适合于多样化的性能指标,便于求解和实现,实用性强。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社