自适应深度置信网络控制

工业过程波动降82%

以自增量学习在线更新，无需过程模型即可实现污水处理过程的鲁棒自适应控制。

王功明 · Yidi, Zhao · Caixia, Liu · 乔俊飞

IEEE Transactions on Industrial Informatics 2023

参数信息

降低至少

82 %

技术优势

无需过程模型

采用数据驱动方式，仅利用在线数据即可实现理想控制律的逼近，避免了复杂过程建模。

持续在线学习

自适应深度置信网络采用数据驱动自增量学习策略，能够随过程变化在线更新控制器。

稳定性有保障

基于李雅普诺夫理论的闭环策略保证了系统稳定性，提升了鲁棒性和效率。

应用场景

• 工业过程控制：用于复杂工业过程的鲁棒自适应控制，减少波动、提高稳定性。
• 污水处理自动化：实现污水处理过程自动化控制，提升出水水质稳定性。
• 复杂系统鲁棒控制：为不确定、时变复杂系统提供有理论保证的鲁棒控制方案。