时滞系统的神经网络控制研究

论文摘要

现代工业生产过程都不同程度存在纯滞后特性,使得被控量不能及时反映系统所承受的扰动,这样的过程必然产生较大的超调量和较长的调整时间,使得控制问题变得更加复杂,因此,滞后被认为是物理系统最难控制的动态环节之一。对时滞系统控制问题的研究,具有很重要的理论和实际意义。神经网络作为二十世纪新兴的控制方法,给很多传统的控制问题提供了新的解决思路。神经网络具有的独特的非线性映射能力、自学习和自适应能力、信息综合能力和优良的容错性等使得它非常适合于复杂系统的建模与控制,特别是当系统存在不确定因素时,神经网络更能体现出它的优越性。因此,神经网络对于时滞系统的控制具有重要的意义。本文提出了时滞系统的辨识和几种控制方法,首先用BP神经网络对线性和非线性时滞系统进行辨识,并分析了神经网络辨识的特点,用实例展示了神经网络的辨识效果。接着分析了用于时滞系统控制的经典PID控制方法和神经网络PID控制方法,并用同一实例给出两种方法的控制效果并进行对比分析,结果发现,对于时滞系统,神经网络PID控制效果优于经典PID控制效果。论文在最后两章分别对内模控制方法和Smith控制方法作了分析,比较其经典方法和神经网络方法的控制效果,并给出了实例分析。仿真结果表明,神经网络控制方法比传统控制方法对于时滞系统有更好的控制效果。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究背景
• 1.2 时滞系统控制方法的国内外研究现状
• 1.3 神经网络简介
• 1.4 本文主要内容
• 第二章 时滞系统的神经网络辨识
• 2.1 基于神经网络的系统建模与辨识
• 2.2 时滞系统
• 2.3 时滞系统的常规辨识方法
• 2.4 线性时滞系统的辨识
• 2.4.1 自适应线性神经网络辨识模型和结构
• 2.4.2 线性时滞系统的辨识原理
• 2.4.3 线性时滞系统辨识的实例分析
• 2.5 非线性时滞系统的辨识
• 2.5.1 基于BP神经网络的系统辨识
• 2.5.2 非线性时滞系统的辨识
• 2.5.3 非线性时滞系统辨识的实例分析
• 2.6 神经网络辨识的特点
• 2.7 本章小结
• 第三章 时滞系统的神经网络PID控制方法
• 3.1 PID控制原理
• 3.2 时滞系统的经典PID控制方法
• 3.2.1 Ziegler-Nichols参数整定方法
• 3.2.2 时滞系统经典PID控制方法实例分析
• 3.3 时滞系统的神经网络PID控制方法
• 3.3.1 基于BP神经网络的PID参数整定原理
• 3.3.2 时滞系统神经网络PID控制方法实例分析
• 3.4 本章小结
• 第四章 时滞系统的神经网络内模控制方法
• 4.1 内模控制原理
• 4.1.1 内模控制的基本结构
• 4.1.2 内模控制分析
• 4.1.3 内模控制的特点
• 4.2 经典线性内模控制设计
• 4.2.1 线性内模控制器设计
• 4.2.2 具有滤波器的内模控制分析
• 4.2.3 线性内模控制器设计实例分析
• 4.3 神经网络非线性内模控制设计
• 4.3.1 神经网络内模控制设计
• 4.3.2 神经网络内模控制设计实例分析
• 4.4 本章小结
• 第五章 时滞系统的神经网络Smith预估控制方法
• 5.1 Smith预估控制
• 5.1.1 Smith预估控制介绍
• 5.1.2 Smith预估控制原理
• 5.1.3 Smith预估控制实例分析
• 5.2 基于神经网络的Smith预估控制
• 5.2.1 Smith预估控制中的神经网络辨识
• 5.2.2 Smith预估控制中的BP神经网络在线调整PID控制器
• 5.2.3 神经网络Smith预估控制设计实例分析
• 5.3 本章小结
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢