基于神经网络的三容水箱液位控制系统辨识

论文摘要

本论文的研究对象三容水箱液位控制系统,由A3000过程控制装置,具有时滞性和非线性特性,难以用传统的机理建模方法进行辨识,而神经网络具有很好的非线性映射能力,在系统辨识及控制工程中得到广泛的应用。论文首先采用LabVIEW软件设计白噪声输入激励信号,三容水箱液位控制系统进行动态特性测试实验,获取输入＼输出数据并进行处理;其次研究了应用MATLAB平台设计的BP神经网络和Elman神经网络作为该系统辨识模型的方法,采用串一并联型辩识结构。BP网络训练网络采用Levenberg-Marquardt算法、BFGS拟牛顿算法和自适应调整学习率算法进行比较;Elman网络应用BFGS拟牛顿算法和自适应调整学习率算法训练。仿真结果表明,在达到训练精度的情况下,应用均方误差性能函数时网络泛化能力较差,而采用归一化均方误差时LM算法对BP网络泛化能力没有改善,另两种算法训练的BP网络泛化能力有所提高。Elman网络辨识效果较好,不存在泛化能力差的问题,网络结构比BP网络简单,但辨识精度只是接近而不能达到指定精度,没有BP网络高。这两种神经网络有待作进一步改进研究,以更精确应用作该系统的辨识模型。

论文目录

• 摘要
• ABSTRACT
• 第一章 前言
• 1.1 系统辨识概述
• 1.2 神经网络概述
• 1.3 神经网络系统辨识的国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 本论文的主要研究工作
• 第二章 神经网络辨识原理
• 2.1 人工神经网络基础
• 2.1.1 神经元的模型
• 2.1.2 神经元的传递函数
• 2.1.3 人工神经网络模型
• 2.1.4 人工神经网络学习
• 2.2 系统辨识基本原理
• 2.3 基于神经网络的系统辨识原理
• 2.4 三容水箱液位控制系统分析
• 2.5 三容水箱液位系统的输入输出数据实验设计
• 第三章 基于BP神经网络的三容液位控制系统辨识
• 3.1 BP神经网络概述
• 3.2 BP神经网络结构
• 3.3 本文BP网络系统辨识模型的确定
• 3.3.1 BP网络设计基础
• 3.3.2 BP网络系统辨识模型的确定
• 3.4 仿真结果
• 3.5 小结
• 第四章 Elman神经网络在三容水箱液位控制系统辨识中的应用
• 4.1 Elman神经网络概述
• 4.2 Elman神经网络的结构
• 4.3 本文Elman网络系统辨识模型的确定
• 4.4 仿真结果
• 4.5 小结
• 第五章 总结与展望
• 参考文献
• 附录 白噪声输入输出原始数据
• 致谢
• 在学期间发表的学术论文与研究成果