论文部分内容阅读
该文首先从大系统静态递阶优化的迭代算法入手,建立了两种大系统Hopfield网络递阶优化算法(NOAHP和NOAHB),从而将传统优化方法化为求解一组微分方程.NOAHP和NOAHB具有快速、非迭代和跟踪系统时变特性等优点.作为对上述算法的验证,研究了模糊静态大系统的优化问题,获得了模糊大系统Hopfield网络递阶优化算法(NOAF).为研究基于Hopfield网络的大规模工业过程优化控制方法,该文从工业过程的动态模型出发,分析了基于过程动态信息的两种动态模型误差补偿方法——跟踪因子法(TFM)和位移因子法(SFM).利用动态模型导数补偿技术,获得了基于动态信息的大规模工业过程Hopfield网络稳态递阶优化控制算法(DCAOD).该文还基于模拟优化器的思想,从静态、动态两个方面研究了Hopfield网络递阶优化控制的电路实现方法.