基于神经网络的多变量非线性系统广义预测控制

论文题目: 基于神经网络的多变量非线性系统广义预测控制

论文类型: 硕士论文

论文专业: 控制理论与控制工程

作者: 郭红戈

导师: 李国勇

关键词: 非线性系统,广义预测控制,神经网络,多变量系统,解耦控制,钢球磨中储式制粉系统

文献来源: 太原理工大学

发表年度: 2005

论文摘要: 随着航天控制、过程控制、远程机器人控制以及生物医学工程等学科的发展,相应出现了一些强非线性强耦合系统的控制问题。广义预测控制(GPC)像其它的预测控制方法一样,可在优化中考虑各种条件约束,又有很好的鲁棒性和抗干扰性,与常规控制相比,能更好地实现动态控制;另一方面,GPC采用的是受控自回归积分滑动平均(CARIMA)模型,控制律包括积分作用,可以自动消除控制系统的稳态偏差,因此,在单变量线性系统中获得了广泛的应用。当把这种成功的控制思想应用于强非线性强耦合系统时,需先解决解耦和建模的困难。而神经网络以其并行处理、分布式存储、对非线性函数的逼近功能、较好的鲁棒性、自适应性和自学习功能为多变量非线性系统解耦和建立非线性系统GPC的数学模型提供了一条途径。为使广义预测控制的先进思想应用于非线性系统,本文把非线性系统分为线性部分和非线性部分,用误差反向传播(BP)

论文目录:

第一章绪论

1．1 概述

1．1．1 非线性系统控制

1．1．2 系统解耦

1．2 选题的目的和意义

1．3 本文所做的主要工作

第二章广义预测控制理论

2．1 预测控制

2．1．1 产生背景

2．1．2 预测控制的机理与研究简介

2．1．3 预测控制在工业过程控制领域中的应用及分析

2．2 广义预测控制基本算法

2．3 广义预测控制性能分析

2．3．1 广义预测控制系统闭环传递函数

2．3．2 广义预测控制的内模控制描述

2．4 广义预测控制中主要参数对系统性能的影响

2．5 小结

第三章神经网络的基本理论

3．1 人工神经网络的基本理论

3．1．1 神经网络的基础知识

3．1．2 神经网络的功能和学习方式

3．2 BP网络算法

3．2．1 BP网络

3．2．2 BP算法的数学描述

3．3 BP算法的改进

3．3．1 基本 BP算法的缺点

3．3．2 BP算法的改进

第四章单变量非线性系统广义预测控制

4．1 系统的模型结构

4．1．1 线性部分模型结构

4．1．2 非线性部分模型结构

4．1．3 非线性系统模型结构

4．2 系统模型参数辨识

4．2．1 线性部分参数辨识

4．2．2 非线性部分参数辨识

4．2．3 非线性系统参数辨识步骤

4．3 系统控制器设计

4．4 仿真研究

第五章基于神经网络的多变量非线性系统解耦

5．1 多变量系统耦合程度

5．2 多变量非线性系统神经网络解耦

5．3 基于神经网络解耦器的广义预测控制框图

第六章基于神经网络的广义预测控制在钢球磨中储式制粉系统中的应用

6．1 钢球磨中储式制粉系统简介

6．2 钢球磨中储式制粉系统控制方法概述及分析

6．3 基于神经网络的广义预测控制

6．3．1 数学模型

6．3．2 神经网络解耦补偿器仿真研究

6．3．3 解耦后系统的广义预测控制仿真研究

第七章结论与展望

参考文献

附录1 程序全文及说明

附录2 论文使用的缩写

致谢

攻读硕士期间完成的论文目录

发布时间: 2005-11-14

参考文献

[1].基于神经网络的广义预测控制的糖厂澄清工段的优化控制研究[D]. 钟文瀚.广西大学2012
[2].基于RBF神经网络的非线性系统控制算法研究[D]. 范伟.河北工业大学2013
[3].非线性系统神经网络自适应控制及其在锅炉控制中的应用[D]. 王静远.河北科技大学2018
[4].模糊神经网络在大滞后非线性系统中的应用[D]. 孟凡华.河北工业大学2004
[5].基于U模型的非线性系统预测控制的研究[D]. 朱峰.中国石油大学(华东)2015
[6].随机严格反馈非线性系统的自适应神经网络控制[D]. 王飞.扬州大学2012
[7].非线性系统的输入饱和控制研究[D]. 季楠.江南大学2017
[8].非线性系统的神经网络预测控制研究[D]. 李大志.辽宁工程技术大学2008
[9].基于神经网络的非线性系统自适应控制研究[D]. 李春华.南京信息工程大学2008
[10].非线性系统的模糊辨识方法与应用研究[D]. 路平立.燕山大学2003

基于神经网络的多变量非线性系统广义预测控制

猜你喜欢