先进控制技术的集成及应用研究

论文摘要

迄今为止，已在工业上获得成功应用的先进控制策略主要包括：自适应控制、变结构控制、预测控制、鲁棒控制、模糊控制、专家控制、神经网络控制等，各种控制策略各有利弊。因此多种控制策略之间相互渗透、交叉和结合的复合控制策略，是先进控制技术的发展方向。这些复合控制策略克服了单一控制策略的不足，取长补短、具有更优良的性能，能更好地满足不同应用场合的不同要求，因而获得了更广泛的应用。 所谓先进控制技术的集成包括两个方面：一方面是将几种先进的智能控制方法融合在一起，构成具有高度自主能力的智能混合控制系统；另一方面是将智能控制与最优控制相结合，构成智能复合控制，以便取长补短，优势互补，提高整体控制水平。因此智能混合控制和智能复合控制在非线性多变量控制系统中的应用已经成为当前控制领域的一个研究热点，并已成为解决各类复杂系统控制问题的重要工具，在理论上和实际应用中都有十分重要的意义。 本文在掌握国内外研究现状的基础上，在这一领域展开了进一步的研究工作，主要研究内容概括如下： (1)描述了模糊系统与神经网络的等价性和互换性：从映射角度来看，模糊系统和神经网络都具有非线性函数的逼近能力；模糊系统与神经网络具有等价性和互换性：模糊系统可以用一等价的神经网络来表示，同样神经网络也可以用一等价的模糊系统来表示；其次，描述了模糊系统和神经网络融合的五种形态，并提出一种结构等价的模糊神经网络，给出了它们的实现方法。 (2)研究了智能混合控制。并以改进的遗传算法在模糊神经网络参数学习中的应用问题为例加以说明。首先提出了两种改进的遗传算法：一种是加入BP算子的遗传算法，这不仅利用了GA与BP各自的优点，而且极大的提高了参数的搜索效率；另一种是改变遗传算子的遗传算法，并证明了这种改进的遗传算法的性能明显优于标准的遗传算法。然后将改进的遗传算法应用于模糊神经网络参数学习中，通过构造模糊神经网络控制器进行仿真，验证了方法的有效性和适用性。改进的遗传算法在学习过程中表现出很强的全局优化能力，为复杂非线性及组合优化问题提供了一个很好的解

论文目录

• 独创性声明
• 学位论文版权使用授权书
• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 先进控制技术的集成概述
• 1.3 模糊神经网络发展概述
• 1.3.1 神经网络
• 1.3.2 模糊控制
• 1.3.3 模糊神经网络
• 1.4 模糊神经网络参数学习算法综述
• 1.4.1 导数优化算法
• 1.4.2 非导数优化算法
• 1.5 遗传算法的最新进展
• 1.6 预测控制的最新进展
• 1.6.1 预测控制技术的进展
• 1.6.2 先进预测控制技术及研究动向
• 1.7 本文的主要工作
• 第二章 模糊神经网络理论
• 2.1 引言
• 2.2 神经网络理论
• 2.2.1 神经网络理论
• 2.2.2 多层前向神经网络—BP神经网络
• 2.3 模糊控制理论
• 2.3.1 模糊逻辑系统的组成
• 2.3.2 马丹尼（Mamdani）模糊推理系统
• 2.3.3 高木-关野（Takagi-Sugeno）模糊推理模型
• 2.3.4 去模糊化
• 2.3.5 模糊建模
• 2.4 模糊神经网络结构
• 2.4.1 模糊逻辑与神经网络的混合方式
• 2.4.2 基于Mamdani模糊系统的模糊神经网络
• 2.4.3 基于T-S模糊系统的模糊神经网络
• 2.5 本章小结
• 第三章 智能混合控制策略的研究
• 3.1 引言
• 3.2 模糊系统和神经网络的等价性
• 3.3 模糊系统和神经网络融合的形态
• 3.3.1 结构等价的模糊系统和神经网络
• 3.3.2 神经网络的实现
• 3.4 基于改进的遗传算法的模糊神经网络
• 3.4.1 加入BP算子的遗传算法
• 3.4.2 加入BP算子的遗传算法在模糊神经网络参数学习中的应用
• 3.4.3 改变遗传算子的遗传算法
• 3.4.4 改变遗传算子的遗传算法在模糊神经网络参数学习中的应用
• 3.5 本章小结
• 第四章 智能复合控制策略的研究
• 4.1 智能预测控制策略及研究动向
• 4.2 模糊预测控制
• 4.2.1 模糊预测控制产生的背景
• 4.2.2 非线性系统的模糊预测控制
• 4.2.3 基于模糊辨识模型的预测控制
• 4.2.4 基于局域线性化模糊模型的预测控制
• 4.3 神经网络预测控制
• 4.3.1 神经网络预测控制产生的背景
• 4.3.2 神经网络模型预测控制
• 4.3.3 多BP网络非线性并行预测控制
• 4.3.4 神经网络非线性广义预测控制
• 4.4 本章小结
• 第五章 先进控制技术的应用研究
• 5.1 模糊预测控制应用实例
• 5.1.1 多级异丁烷-丁烯馏分与硫酸反应釜
• 5.1.2 模糊模型辨识
• 5.1.3 模糊预测控制
• 5.2 神经网络预测控制应用研究
• 5.2.1 氢氧化钠与醋酸连续搅拌反应釜
• 5.2.2 基于RBF的氢氧化钠与醋酸连续搅拌反应釜动态模型
• 5.2.3 基于RBF网络的模型预测控制
• 5.2.4 基于RBF网络动态矩阵控制
• 5.2.5 基于稳态偏差的RBF网络预测控制
• 5.3 基于神经网络的模糊预测控制应用研究
• 5.3.1 基于RBF网络的预测模型
• 5.3.2 模糊评价
• 5.3.3 优化算法
• 5.3.4 控制结果
• 5.4 本章小结
• 第六章 总结和展望
• 参考文献
• 作者在攻读博士学位期间发表的论文
• 致谢
• 作者简介