Hammerstein-Wiener型非线性系统的辨识与控制

论文摘要

在实际工业控制系统中,理想的线性控制系统是不存在的,工业对象往往都具有较强的非线性特性。非线性系统的建模、辨识、自适应控制等方面的研究,已经逐渐成为研究非线性系统的重要方向。Hammerstein-Wiener型非线性系统是常见的用来描述非线性系统的模型,它是由个静态非线性系统、一个动态线性系统和另一个静态非线性系统串联而成。该类模型的特点是可将静态非线性特性和动态线性特性分开考虑,简单又有效地描述了相当广泛的一类非线性系统,能较好地反映大多数工业生产过程的非线性特性。例如将电弧炉炼钢过程中的电极调节系统表示成Hammerstein-Wiener型非线性系统的形式,提高了系统的准确性,使系统模型更接近工业生产过程的实际。论文首先介绍了本课题的研究背景,简述了非线性系统辨识与控制方法的研究现状,并简要说明了本文的研究内容及论文的整体结构。接下来主要研究了一种基于最小二乘支持向量机（LSSVM）理论和两步法广义预测控制理论对Hammerstein-Wiener型非线性系统进行辨识与控制的方法。利用最小二乘支持向量机（LSSVM）的方法,将系统辨识问题转化为有约束的优化问题,避免了过去辨识Hammerstein-Wiener系统所采用的迭代运算,提高了计算效率；同时,对实际工业生产中具有Hammerstein-Wiener模型结构的电极调节系统进行了辨识,并用MATLAB仿真验证了该方法的有效性。利用两步法广义预测控制,将Hammerstein-Wiener模型的线性部分与非线性部分分开考虑,将控制问题分解为线性模型的动态优化问题和非线性模型的静态求根问题,因此处理起来比较灵活,每一步的算法可以灵活选择；同时,对实际工业生产中具有Hammerstein-Wiener模型结构的电极调节系统的控制器进行了设计,并用MATLAB仿真验证了该方法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 非线性系统辨识方法研究现状
• 1.2.1 神经网络系统辨识法
• 1.2.2 遗传算法系统辨识法
• 1.2.3 模糊逻辑系统辨识法
• 1.2.4 小波网络系统辨识法
• 1.2.5 最小二乘支持向量机系统辨识法
• 1.3 非线性预测控制及其研究现状
• 1.3.1 基于线性化技术的预测控制
• 1.3.2 基于各种特殊模型的预测控制
• 1.3.3 基于神经网络的预测控制
• 1.4 基于Hammerstein和Wiener型非线性系统的辨识与控制研究现状
• 1.5 论文主要研究内容及章节安排
• 第2章 Hammerstein-Wiener型非线性系统的最小二乘支持向量机辨识
• 2.1 最小二乘支持向量机简介
• 2.1.1 最小二乘支持向量机的基本原理
• 2.1.2 最小二乘支持向量机模型的选择
• 2.1.3 模型参数的选择
• 2.2 Hammerstein-Wiener系统的最小二乘向量机辨识
• 2.2.1 Hammerstein-Wiener系统的具体形式
• 2.2.2 Hammerstein-Wiener型非线性系统参数辨识过程
• 2.3 本章小节
• 第3章 基于两步法的非线性预测控制
• 3.1 广义预测控制GPC
• 3.1.1 预测控制原理
• 3.1.2 广义预测控制的基本方法
• 3.1.3 Diophantine方程递推算法
• 3.2 基于两步法的Hammerstein型非线性系统的预测控制
• 3.2.1 Hammerstein系统简介
• 3.2.2 Hammerstein系统的两步法广义预测控制
• 3.2.3 广义预测控制算法的参数选择
• 3.2.4 稳定性分析
• 3.2.5 误差分析
• 3.3 基于两步法的Hammerstein-Wiener型非线性系统的预测控制
• 3.3.1 Hammerstein-Wiener系统简介
• 3.3.2 Hammerstein-Wiener系统的两步法广义预测控制
• 3.4 本章小节
• 第4章 电弧炉电极调节系统的辨识与控制
• 4.1 电弧炉炼钢工艺设备简介
• 4.1.1 电弧炉炼钢基本原理
• 4.1.2 电弧炉炼钢工艺
• 4.1.3 电弧炉炼钢设备
• 4.2 电极调节系统的建模
• 4.2.1 液压传动机构建模
• 4.2.2 检测环节的建模
• 4.3 电极调节系统参数的辨识
• 4.4 电极调节系统的控制
• 4.5 本章小结
• 第5章 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 致谢