基于神经网络的非线性预测控制的研究

【摘要】：随着在工业中取得的成功应用,基于线性模型的预测控制己成为当前控制理论界和工业控制界十分关注的一个热门课题。在实际中,工业生产过程常表现出非最小相位、多变量强耦合等强非线性特性,预测控制技术己被扩展到非线性过程。近年来,神经网络以其独特的优势被广泛应用于非线性系统的建模与控制中。基于神经网络模型的非线性预测控制逐渐成为解决复杂非线性系统控制问题的重要方法,在工业过程控制中已显示了其优良的控制性能,有着非常广阔的应用前景。 本文综述了预测控制和神经网络在理论和应用上的进展,并以神经网络为基础,围绕神经网络建模、预测与控制等主题展开了一系列研究。将传统PID控制和神经网络相结合,针对非最小相位系统、多变量强耦合非线性系统分别设计了有效实用的预测控制方案。由于递归神经网络是一种非线性动态网络,能够很好地模拟动态系统和过程,因此,本文采用的神经网络类型为递归神经网络。 本文以传统PID控制器为基础,结合神经网络与预测控制,针对非线性系统提出了在PID型预测性能指标函数下的控制方法。并将其用于两种类型的非线性系统:一种是单输入—单输出(SISO)系统;另一种是多输入—多输出(MIMO)系统。对于SISO系统,先分析了直接多步预测和递推多步预测各自的特点,提出一种较为准确的去误差直接预测方法,仿真验证了该方法的有效性。再分别利用前馈神经网络和局部递归神经网络实现了非线性系统辨识和控制器参数的在线整定,设计了一种线性预测型PID控制器。通过仿真研究验证了对非线性系统的优良控制性能。对于MIMO系统,针对其耦合性,在前面SISO系统提出的非线性PID控制器基础上,以多个控制器采用并联形式构造了多变量系统的解耦控制器,进一步研究了多变量系统的两种预测控制方法:基于递归多步预测的控制和多步预测目标函数下的控制。