基于延遲神經(jīng)網(wǎng)絡(luò)的非線性時(shí)滯系統(tǒng)控制研究.pdf

1、本文針對(duì)工業(yè)過(guò)程中常見(jiàn)的時(shí)滯系統(tǒng)建模與控制方法進(jìn)行研究。其目的是在動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)理論的基礎(chǔ)上，構(gòu)建對(duì)未知時(shí)滯系統(tǒng)的參數(shù)辨識(shí)與建模方法，進(jìn)而提出時(shí)滯系統(tǒng)的有效控制策略。本文提出兩種包含可變延遲時(shí)間參數(shù)的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)算法分別用于實(shí)現(xiàn)對(duì)未知時(shí)滯系統(tǒng)的離線和在線辨識(shí)。在此基礎(chǔ)上分別提出時(shí)滯系統(tǒng)控制器的設(shè)計(jì)方案，并進(jìn)行相關(guān)的理論分析。主要研究?jī)?nèi)容和研究成果包括： (1)基于通用學(xué)習(xí)網(wǎng)絡(luò)自適應(yīng)算法的非線性時(shí)滯系統(tǒng)辨識(shí)研究。本文根據(jù)通用學(xué)習(xí)網(wǎng)絡(luò)

2、在對(duì)非線性時(shí)滯系統(tǒng)建模過(guò)程中表現(xiàn)出的特性，結(jié)合網(wǎng)絡(luò)中延遲參數(shù)可以任意設(shè)定的特點(diǎn)，提出一種自適應(yīng)選擇延遲時(shí)間參數(shù)的通用學(xué)習(xí)網(wǎng)絡(luò)學(xué)習(xí)算法。該算法利用通用學(xué)習(xí)網(wǎng)絡(luò)的收斂速度對(duì)網(wǎng)絡(luò)中與輸出節(jié)點(diǎn)相連的分支上的延遲時(shí)間參數(shù)較為敏感的特性，通過(guò)誤差評(píng)價(jià)函數(shù)對(duì)網(wǎng)絡(luò)的延遲時(shí)間參數(shù)進(jìn)行修正，在保證誤差精度的同時(shí)加快網(wǎng)絡(luò)的收斂速度。與此同時(shí)，通過(guò)該算法優(yōu)化得到的網(wǎng)絡(luò)延遲時(shí)間參數(shù)可以用于時(shí)滯系統(tǒng)延遲時(shí)間的辨識(shí)。此外，本文針對(duì)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中延遲參數(shù)變化引起的

3、網(wǎng)絡(luò)狀態(tài)擾動(dòng)問(wèn)題進(jìn)行分析，給出網(wǎng)絡(luò)在狀態(tài)擾動(dòng)情況下保持穩(wěn)定的必要條件。仿真結(jié)果證明本文所提出的算法能夠有效地實(shí)現(xiàn)對(duì)包含時(shí)滯環(huán)節(jié)的黑箱非線性系統(tǒng)的建模，并能對(duì)系統(tǒng)所包含的時(shí)滯環(huán)節(jié)進(jìn)行辨識(shí)。 (2)基于通用學(xué)習(xí)網(wǎng)絡(luò)的時(shí)滯系統(tǒng)控制研究。針對(duì)模型未知的時(shí)滯系統(tǒng)控制問(wèn)題，本文提出一種基于通用學(xué)習(xí)網(wǎng)絡(luò)的模型預(yù)測(cè)控制方法。該方法利用本文提出的通用學(xué)習(xí)網(wǎng)絡(luò)自適應(yīng)算法對(duì)模型未知的時(shí)滯系統(tǒng)進(jìn)行離線建模，得到該過(guò)程的輸入輸出模型以及系統(tǒng)的滯后時(shí)間，進(jìn)

4、而將辨識(shí)得到的神經(jīng)網(wǎng)絡(luò)模型作為模型預(yù)測(cè)器對(duì)時(shí)滯系統(tǒng)進(jìn)行預(yù)報(bào)。在控制結(jié)構(gòu)上，該方法將內(nèi)模控制結(jié)構(gòu)與神經(jīng)網(wǎng)絡(luò)Smith預(yù)估控制方法相結(jié)合，在神經(jīng)網(wǎng)絡(luò)控制器的作用下實(shí)現(xiàn)對(duì)模型未知時(shí)滯系統(tǒng)的控制。以工業(yè)生產(chǎn)過(guò)程中常見(jiàn)的pH中和過(guò)程為例，本文在對(duì)pH中和過(guò)程內(nèi)在機(jī)理分析的基礎(chǔ)上，對(duì)其進(jìn)行系統(tǒng)建模與控制仿真實(shí)驗(yàn)，仿真結(jié)果表明本文所提出的控制方法對(duì)pH中和過(guò)程有較好的控制能力，并且控制系統(tǒng)具有良好的魯棒性。 (3)基于一種新型動(dòng)態(tài)前向神經(jīng)網(wǎng)絡(luò)

5、的時(shí)滯系統(tǒng)辨識(shí)與控制研究。針對(duì)動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)不適用于在線建模的局限，本文提出一種動(dòng)態(tài)前向神經(jīng)網(wǎng)絡(luò)用于時(shí)滯系統(tǒng)的在線辨識(shí)。根據(jù)動(dòng)態(tài)前向神經(jīng)網(wǎng)絡(luò)的狀態(tài)方程，本文給出該神經(jīng)網(wǎng)絡(luò)的穩(wěn)定條件。該網(wǎng)絡(luò)能夠根據(jù)誤差梯度對(duì)網(wǎng)絡(luò)中的連接權(quán)值和延遲時(shí)間參數(shù)進(jìn)行在線修正，從而能夠在充分逼近時(shí)滯系統(tǒng)的同時(shí)，對(duì)時(shí)滯系統(tǒng)的延遲時(shí)間進(jìn)行估計(jì)。此外，為改善該動(dòng)態(tài)前向神經(jīng)網(wǎng)絡(luò)對(duì)模型未知時(shí)滯系統(tǒng)建模的泛化能力，本文提出一種改進(jìn)的微粒群算法用于神經(jīng)網(wǎng)絡(luò)的在線訓(xùn)練。該算法通