基于延迟神经网络的非线性时滞系统控制研究
【摘要】:
本文针对工业过程中常见的时滞系统建模与控制方法进行研究。其目的是在动态神经网络理论的基础上,构建对未知时滞系统的参数辨识与建模方法,进而提出时滞系统的有效控制策略.本文提出两种包含可变延迟时间参数的动态神经网络算法分别用于实现对未知时滞系统的离线和在线辨识。在此基础上分别提出时滞系统控制器的设计方案,并进行相关的理论分析。主要研究内容和研究成果包括:
(1)基于通用学习网络自适应算法的非线性时滞系统辨识研究。本文根据通用学习网络在对非线性时滞系统建模过程中表现出的特性,结合网络中延迟参数可以任意设定的特点,提出一种自适应选择延迟时间参数的通用学习网络学习算法。该算法利用通用学习网络的收敛速度对网络中与输出节点相连的分支上的延迟时间参数较为敏感的特性,通过误差评价函数对网络的延迟时间参数进行修正,在保证误差精度的同时加快网络的收敛速度。与此同时,通过该算法优化得到的网络延迟时间参数可以用于时滞系统延迟时间的辨识。此外,本文针对神经网络学习过程中延迟参数变化引起的网络状态扰动问题进行分析,给出网络在状态扰动情况下保持稳定的必要条件。仿真结果证明本文所提出的算法能够有效地实现对包含时滞环节的黑箱非线性系统的建模,并能对系统所包含的时滞环节进行辨识。
(2)基于通用学习网络的时滞系统控制研究。针对模型未知的时滞系统控制问题,本文提出一种基于通用学习网络的模型预测控制方法。该方法利用本文提出的通用学习网络自适应算法对模型未知的时滞系统进行离线建模,得到该过程的输入输出模型以及系统的滞后时间,进而将辨识得到的神经网络模型作为模型预测器对时滞系统进行预报。在控制结构上,该方法将内模控制结构与神经网络Smith预估控制方法相结合,在神经网络控制器的作用下实现对模型未知时滞系统的控制。以工业生产过程中常见的pH中和过程为例,本文在对pH中和过程内在机理分析的基础上,对其进行系统建模与控制仿真实验,仿真结果表明本文所提出的控制方法对pH中和过程有较好的控制能力,并且控制系统具有良好的鲁棒性。
(3)基于一种新型动态前向神经网络的时滞系统辨识与控制研究。针对动态递归神经网络不适用于在线建模的局限,本文提出一种动态前向神经网络用于时滞系统的在线辨识。根据动态前向神经网络的状态方程,本文给出该神经网络的稳定条件。该网络能够根据误差梯度对网络中的连接权值和延迟时间参数进行在线修正,从而能够在充分逼近时滞系统的同时,对时滞系统的延迟时间进行估计。此外,为改善该动态前向神经网络对模型未知时滞系统建模的泛化能力,本文提出一种改进的微粒群算法用于神经网络的在线训练。该算法通过引入白噪声和Logistic映射解决了一般微粒群算法提前收敛的问题,在改善网络泛化能力的同时能够提高网络的学习效率。在动态前向神经网络对时滞系统辨识的基础上,结合鲁棒容错控制结构,本文提出一种基于动态前向神经网络的非线性预测控制系统。仿真实例证明了本文所提出的控制系统具有较强的鲁棒性,能够对模型未知的非线性时滞系统进行有效的辨识和控制。
|
|
|
|
1 |
任雪梅;;非线性时滞系统的稳定自适应控制(英文)[J];智能系统学报;2007年05期 |
2 |
曾祥光;张玲玲;;基于微粒群算法的多层前馈神经网络[J];机械与电子;2008年01期 |
3 |
曾祥光;张玲玲;;微粒群优化倒立摆神经网络控制器设计研究[J];机械与电子;2009年08期 |
4 |
文莹;肖明清;胡雷刚;;应用随机微粒群算法辨识Hammerstein模型[J];微计算机信息;2010年19期 |
5 |
刘暾东;陈得宝;郑国祥;方廷健;;高阶模糊内模预测控制算法及在间歇造气炉中的应用[J];模式识别与人工智能;2005年02期 |
6 |
岳颀;孙佳;王新;;基于改进微粒群算法的Elman网络在非线性动态系统辨识中的应用[J];电脑知识与技术;2009年27期 |
7 |
全亚斌,张卫东,许晓鸣,陈佩;时滞系统的频域子空间辨识算法[J];上海交通大学学报;2001年11期 |
8 |
武俊丽;李建辉;史庆武;;基于BP神经网络对时滞系统的模型参数辨识仿真[J];佳木斯大学学报(自然科学版);2010年04期 |
9 |
郭创新,景雷,梁年生,叶鲁卿,曾杰;一种鲁棒BP算法及其在非线性动态系统辨识中的应用[J];信息与控制;1996年06期 |
10 |
刘清;岳东;;混合滤波去噪与微粒群算法优化的辨识方法[J];上海交通大学学报;2008年04期 |
11 |
韩冰;;基于动态BP算法的非线性系统预测控制[J];上海船舶运输科学研究所学报;2010年01期 |
12 |
范剑超;韩敏;;微粒群优化动态神经网络模型结构分析[J];控制理论与应用;2011年09期 |
13 |
吴晓威;张井岗;;基于微粒群算法的灰色预测PID控制器[J];智能系统学报;2007年05期 |
14 |
周永,戴琼海,柴天佑,虞和济;基于动态神经网的鲁棒直接自适应控制[J];信息与控制;1998年04期 |
15 |
李巨虎,田亚菲;线性神经网络在自适应辨识中的改进及应用[J];甘肃科学学报;2003年02期 |
16 |
周涌,陈庆伟,吴晓蓓,胡维礼;动态神经网络的非线性系统鲁棒辨识和状态观测[J];系统工程与电子技术;2004年04期 |
17 |
唐功友;时滞系统的降维状态预测观测器及预测控制器设计[J];控制理论与应用;2004年02期 |
18 |
范剑超;韩敏;;基于高斯微粒群优化的动态神经网络延迟系统辨识[J];控制与决策;2010年11期 |
19 |
朱瑞军,柴天佑,伏静丹,胡维礼;基于动态神经网络的非线性系统鲁棒观测器设计[J];信息与控制;1998年06期 |
20 |
孙富春,孙增圻,慕春棣;采样非线性系统的动态神经网络稳定自适应控制[J];自动化学报;2000年06期 |
|