模糊系统与神经网络在热工过程中的应用研究

论文题目: 模糊系统与神经网络在热工过程中的应用研究

论文类型: 硕士论文

论文专业: 动力机械

作者: 倪睿

导师: 陈绍炳

关键词: 模糊系统,神经网络,热工过程,模型预测控制

文献来源: 东南大学

发表年度: 2005

论文摘要: 目前广泛使用的PID控制系统的设计,使用的数学模型一般为在某一工况下建立的线性传递函数模型,难以描述热工对象在整个工作范围内的非线性特征,由此设计出的控制系统很难保证在不同工况下都有良好的控制效果。建立一种能够全面反映热工对象特性的模型,是进一步提高控制系统品质的基础。以线性系统的传递函数方式来描述系统已经显得力不从心,模糊系统和神经网络的某些特性使得它们在描述系统方面有着特殊的优势,基于模糊系统与神经网络模型的控制方法也显示出良好的效果。本文主要探讨了模糊系统与神经网络在热工辨识与控制方面的应用,具体由下面四部分组成:①首先介绍了模糊数学的有关知识,介绍了模糊控制器的工作原理和设计过程,并将传统的模糊控制器加以改进,使模糊控制器的参数能在调节过程中根据具体情况进行变化,以适应控制过程对象的非线特性的要求,并用实例说明该算法的有效性。②用神经网络对热工对象进行辨识。首先,说明了神经网络的基本原理,并将其用于辨识动态系统,着重分析了网络结构,工作方式,隐节点的数目以及其分布对辨识精度的影响。其次,以模糊系统的方式将其整合成全局模型。最后,讨论了其全局的辨识精度,说明其在采样工况附近的模型精度较高,而远离采样工况的工作点精度较低,指出了提高精度的方法可以是增加采样的工况,也可以是改变神经网络的工作方式。③讨论了模糊系统与神经网络的异同之处,说明了两者结合的可能性和必要性。并且给出了两者结合的具体实例:模糊神经网络,给出了一种具体模糊神经网络的构造方式,将其运用于辨识过热蒸汽对象的导前区。辨识所得模型应用于控制系统中,其系统响应与工程现场相符合。④研究了几种基于神经网络的控制方法。如:直接逆控制、模型参考控制、内模控制和模型预测控制等,说明其适用条件,工作方法以及设计方法,并且以模型预测控制的方法设计过热蒸汽对象的控制系统,该方法以神经网络预测模型为基础,有着模型预测,滚动优化,反馈较正等特性,以一种被调量误差和调节量增量的线性二次目标函数式作为性能指标,在预测时域和控制时域内寻找合适的控制量,使该性能指标实现有限时域内的最优化,并且在整个控制过程中进行滚动优化求解,从而实现控制时域中的优化控制。结果证明在减少系统调节时间和超调量,以及减少控制量的变化等方面表现更为出色。本文中采用的模型辨识方法有着良好的通用性与精确度,实现的控制系统也有较为优异的控制品质,有很好的工程应用价值。

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 引言

1.2 本文的主要工作

第二章 模糊控制理论及其在热工控制过程中的应用

2.1 模糊控制理论的产生及发展现状

2.2 模糊控制器的基本结构

2.2.1 模糊化(Fuzzification)

2.2.2 知识库（Knowledge Base）

2.2.3 模糊推理机（Inference Engine）

2.2.4 解模糊（Defuzzification）

2.3 模糊控制器的设计步骤

2.4 关于模糊系统的T-S模型

2.5 模糊控制在热工过程中的应用

第三章 神经网络及其在热工辨识中的应用

3.1 神经网络的发展和应用

3.2 人工神经元模型的基本结构

3.3 网络结构及其工作方式

3.4 神经网络的学习方式

3.4.1 学习方式

3.4.2 学习算法

3.4.3 学习与自适应

3.5 前馈网络

3.5.1 多层前馈网络及其函数逼近能力

3.5.2 反向传播算法

3.6 径向基函数网络

3.7 神经网络对于动态信号与系统的处理

3.8 热工对象的神经网络辨识

3.8.1 关于热工对象

3.8.2 对象的模糊整合

3.8.3 对象惰性区的神经网络辨识

第四章 模糊神经网络在热工辨识中的应用

4.1 模糊系统与神经网络

4.2 模糊系统的函数逼近能力

4.2.1 模糊基函数

4.2.2 模糊系统的通用逼近性

4.3 以神经网络构造模糊系统

4.4 模糊神经网络辨识热工对象

4.5 模型与控制系统

第五章 基于神经网络的控制

5.1 概述

5.2 控制方案

5.2.1 监督控制

5.2.2 直接逆控制

5.2.3 内模控制

5.2.4 模型预测控制

5.2.5 模型参考控制

5.2.6 再励学习控制

5.2.7 自学习控制与自适应控制

5.3 关于内模控制系统

5.3.1 内模控制与常规反馈控制的关系

5.3.2 模型完全准确（M = P ）并且没有干扰时

5.3.3 模型不准确(M ≠P )并且有干扰时

5.3.4 理想控制不能实现的原因

5.3.5 内模控制的设计步骤

5.3.6 基于神经网络的内模控制

5.4 关于模型预测控制

5.4.1 模型预测控制的基本原理

5.4.2 动态矩阵控制（DMC）

5.4.3 过热蒸汽对象的模型预测控制

结语

参考文献

致谢

作者在硕士研究生阶段发表的论文

发布时间: 2007-06-11

参考文献

• [1].柴油机涡轮增压系统智能故障诊断[D]. 刁瑞娴.江苏科技大学2014
• [2].基于神经网络和预测控制的电站锅炉低NO_x排放优化[D]. 李珍.华北电力大学2018
• [3].基于ADS-B技术的多点定位方法研究[D]. 尹进.河北科技大学2018
• [4].基于神经网络的锅炉汽包水位控制的研究[D]. 冯立强.华北理工大学2018
• [5].基于PSO优化BP神经网络的柴油发动机故障诊断研究[D]. 李莉.西北农林科技大学2018
• [6].大展弦比无人机地面滑跑建模技术研究[D]. 范大旭.南京航空航天大学2018
• [7].基于神经网络观测器的飞控系统故障诊断与容错控制研究[D]. 王若男.南京航空航天大学2018
• [8].面向小卫星群的神经网络故障诊断技术研究[D]. 陈辛.南京航空航天大学2018
• [9].神经网络在燃气轮机建模仿真和性能监测中的应用[D]. 周奎.清华大学2017
• [10].内燃机故障多方法融合诊断研究[D]. 王磊.武汉理工大学2017

相关论文

• [1].火电厂主蒸汽温度的模糊神经网络控制系统的研究[D]. 曾蓉.重庆大学2007
• [2].模糊神经网络优化及应用研究[D]. 王雪苗.大连理工大学2006
• [3].热工大时滞系统的模糊预测控制[D]. 谭悦.华北电力大学（河北）2006
• [4].模糊神经网络控制研究与应用[D]. 周光明.华北电力大学（河北）2006
• [5].神经网络在热工系统辨识与控制中的应用[D]. 封官斌.华北电力大学（河北）2006
• [6].基于模糊神经网络的过热汽温控制系统研究[D]. 顾秀萍.天津大学2005
• [7].基于T-S模型的模糊广义预测控制方法研究及应用[D]. 曾海莹.厦门大学2006
• [8].模糊神经网络模型及其应用研究[D]. 姜长元.南京师范大学2005
• [9].模糊神经网络在石灰窑控制系统中的应用[D]. 喻英.福州大学2006
• [10].模糊神经网络控制在火电厂自动加药系统中的应用研究[D]. 金绪良.武汉大学2005

标签：模糊系统论文;  神经网络论文;  热工过程论文;  模型预测控制论文;