智能控制在大惯性、非线性系统的应用研究

论文摘要

随着现代科学技术的发展,人们所面临的问题日益复杂多变,所研究的对象也都存在复杂性、非线性、时变性和不确定性等问题,以数学模型为基础的传统控制理论与技术已不能满足对这些复杂的对象与过程控制的需要,必须发展新的控制策略。首先对模糊控制、神经网络及模糊神经网络的背景、发展和原理等进行了综述;然后针对大惯性、非线性系统难以用传统方法辨识的特点,使用联想记忆神经网络结构作为建模工具,以再现被控对象的特征,为控制做好铺垫。针对密度控制系统的非线性特点,设计一种新型的模糊神经网络控制器,应用多层前馈网络构造模糊变量隶属函数和模糊推理控制模型,使神经网络不再表现为黑箱式映射,其所有节点和参数都具有模糊系统等价意义。该算法可根据在线调整确定初始隶属函数和发现规则的存在,并可优化调整隶属函数,获得理想输出。并利用该控制策略进行了仿真研究,证明该控制策略的可行性。密度控制系统是典型的非线性、大惯性控制系统,根据提出的联想记忆神经网络辨识器,与模糊神经网络控制器相结合,建立模型参考自适应控制方案,成功的实现了对混砂车的控制,并可在相关领域推广。

论文目录

• 中文摘要
• 英文摘要
• 第1章 前言
• 1.1 课题提出的目的及意义
• 1.2 国内外研究现状
• 1.3 研究内容与思路
• 1.4 论文的组织结构
• 第2章 智能控制背景介绍
• 2.1 神经网络控制
• 2.1.1 人工神经元模型
• 2.1.2 人工神经网络
• 2.1.3 人工神经网络的学习算法
• 2.1.4 BP 网络
• 2.1.5 联想记忆神经网络
• 2.2 模糊控制
• 2.2.1 模糊控制器的原理
• 2.2.2 模糊控制器的设计
• 2.3 神经网络与模糊控制的结合
• 2.3.1 神经网络与模糊控制的结合是智能控制的发展需要
• 2.3.2 神经元网络与模糊技术的融合方式
• 第3章 模糊神经网络控制器的设计
• 3.1 BP 算法的主要优缺点及改进方法
• 3.1.1 BP 算法的优点
• 3.1.2 BP 算法的缺点
• 3.1.3 BP 算法的改进
• 3.2 模糊控制器的优缺点及改进
• 3.2.1 模糊控制器的优点
• 3.2.2 模糊控制器的缺点及改进方法
• 3.3 过程控制的特点
• 3.3.1 控制对象的特点
• 3.3.2 选用模糊神经网络控制器的原因
• 3.4 模糊神经网络控制器的结构与算法
• 3.4.1 模糊神经网络控制器的结构
• 3.4.2 模糊神经网络控制器的算法
• 3.5 模糊神经网络密度控制器的结构设计
• 第4章 模糊神经网络在混砂车控制系统的应用
• 4.1 混砂车控制系统结构
• 4.2 系统模型辨识
• 4.2.1 动态递归神经网络用于系统辨识的分析
• 4.2.2 联想记忆神经网络用于系统辨识的分析
• 4.3 混砂车智能控制
• 4.4 软件设计实现
• 4.5 实现结果
• 第5章 结论
• 5.1 完成的主要工作
• 5.2 展望
• 参考文献
• 致谢
• 个人简历
• 在学期间的研究成果