基于神經(jīng)網(wǎng)絡(luò)的預(yù)測PID控制研究及應(yīng)用.pdf

1、造紙工業(yè)過程具有高度不確定性、非線性、多變量耦合、大滯后和狀態(tài)不完全性等特點，利用常規(guī)的PID控制很難滿足系統(tǒng)的控制要求。人工神經(jīng)網(wǎng)絡(luò)對于多輸入、輸出，非線性復(fù)雜系統(tǒng)具有很強的處理能力，它能夠以任意精度逼近任意連續(xù)非線性函數(shù)，對于復(fù)雜不確定問題具有自適應(yīng)能力和自學(xué)習(xí)能力。本文采用神經(jīng)網(wǎng)絡(luò)與PID控制相結(jié)合的方法，進行了基于神經(jīng)網(wǎng)絡(luò)的預(yù)測PID控制理論研究及應(yīng)用。 首先提出了一種RBF神經(jīng)網(wǎng)絡(luò)改進學(xué)習(xí)算法，其主要思想是通過極小化聚

2、類樣本的總方差，通過遞推k-均值聚類算法對轉(zhuǎn)移函數(shù)的中心和寬度進行調(diào)整，然后采用遞推最小二乘法調(diào)整權(quán)值，仿真結(jié)果表明該算法能大大提高RBF神經(jīng)網(wǎng)絡(luò)的建模能力和跟蹤性能。 提出了兩種基于神經(jīng)網(wǎng)絡(luò)的控制算法：(1)基于RBF神經(jīng)網(wǎng)絡(luò)非線性預(yù)測模型的自適應(yīng)PID控制算法；(2)改進的單元神經(jīng)PID算法。仿真實驗表明，提出基于RBF神經(jīng)網(wǎng)絡(luò)非線性預(yù)測模型的自適應(yīng)PID控制算法具有響應(yīng)快、具有較強的魯棒性和適應(yīng)能力；改進的單元神經(jīng)PID算