Hopfield神经网络及其在电厂中的应用研究

【摘要】：Hopfield网络是一种反馈型神经网络,它所有的神经元之间相互连接,具有丰富的动力学特性。当前,Hopfield网络广泛地应用于优化计算和联想记忆中,取得了很好的效果。但是这种网络也还存在容易陷入局部极小点等一些问题,在控制中的应用研究也刚刚起步,在电厂中的应用还是空白。本文提出了Hopfield网络的若干改进措施,深入研究了Hopfield网络在电厂中的应用:Hopfield网络预测控制应用于热工对象;基于Hopfield网络的仿射非线性系统控制;Hopfield网络求解机组负荷分配问题等。这些研究工作开拓了Hopfield网络的应用领域,取得了较多的研究成果。 本文针对Hopfield网络还存在的一些缺点,提出了自调整步距方法来提高网络的收敛速度,将增广拉格朗日法引入Hopfield网络以提高解的质量,并将模拟退火法和混沌与Hopfield网络相结合,以避免其优化时陷入局部极小点。通过实验和对比,证明这些改进措施是行之有效的。 预测控制是一种优化控制,本文对预测控制中的模型算法控制和广义预测控制进行了分析,并巧妙地将其转化为典型的带有约束的二次优化问题,构造出求解相应问题的Hopfield网络。这种新方法被应用到典型的热工对象主汽压力控制系统和负荷控制系统中,前者是单输入单输出系统,后者是带有耦合的多变量系统并取得了很好的控制效果。 Hopfield网络自身是一个仿射非线性系统,因而经过训练后可以很好地对仿射非线性系统进行辨识。本文在理论分析的基础上,结合仿射非线性系统的状态反馈精确线性化方法,对单机无穷大系统进行了辨识和控制。仿真表明这种新方法具有很好的控制效果。并讨论了三输入三输出的锅炉-汽轮机系统的状态反馈线性化设计。 机组负荷分配是电厂中一个典型的优化问题,恰当地在机组间分配负荷可以带来巨大的经济效益。本文用改进的双Hopfield网络方法对该问题进行求解,一个网络用来最小化目标函数,一个网络用来保证约束条件的满足,两个网络相互独立,交替运行。通过对两个实例的计算,证明了这种新方法有很好的优化效果。 本文还讨论了Hopfield网络在组合优化问题旅行商问题中的应用,通过分析Hopfield网络的动态特性给出了提高求解旅行商问题解的有效性和质量的方法。同时研究了Hopfield网络在模型参考自适应控制中的初步应用。 Hopfield网络是动态特性丰富,应用前途很好的一种神经网络。在总结本文工作和参考国内外大量文献的基础上,本文最后指出了Hopfield网络今后需要着重研究的几个方面。