基于神經(jīng)網(wǎng)絡(luò)的預(yù)測解耦優(yōu)化算法的研究及應(yīng)用.pdf

1、在各行各業(yè)中，存在著大量的復(fù)雜工業(yè)過程，它們具有很強(qiáng)的時變性、非線性和不確定性。往往這些系統(tǒng)很難建立精確的數(shù)學(xué)模型，從而導(dǎo)致使用傳統(tǒng)的分析方法和控制策略對這類對象進(jìn)行控制時，難以取得良好的控制效果和系統(tǒng)魯棒性。很多學(xué)者在結(jié)合傳統(tǒng)的分析方法的基礎(chǔ)上不斷推陳出新，將控制和智能相結(jié)合，開始進(jìn)入向智能化發(fā)展的高級階段。
　　 目前，智能控制系統(tǒng)正在向綜合性控制過渡，也就是說不同的智能方法的融合發(fā)展將是今后智能控制的一個新的、有效的發(fā)展方

2、向。它可以逼近非線性系統(tǒng)，所以在實(shí)際生產(chǎn)中可以解決非線性系統(tǒng)以及復(fù)雜系統(tǒng)的建模和參數(shù)識別問題。
　　 本文首先對神經(jīng)網(wǎng)絡(luò)的特點(diǎn)進(jìn)行了分析研究，然后針對目前神經(jīng)網(wǎng)絡(luò)在預(yù)測控制中存在的問題，提出了將灰色系統(tǒng)理論和神經(jīng)網(wǎng)絡(luò)方法相結(jié)合建立灰色神經(jīng)網(wǎng)絡(luò)。這種融合方法可以彌補(bǔ)單一模型的不足，對小樣本數(shù)據(jù)預(yù)測能達(dá)到良好的效果。但這種預(yù)測模型存在局部最優(yōu)和收斂性等問題，在此基礎(chǔ)上，本文又研究設(shè)計(jì)了一種基于遺傳優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)模型參數(shù)的方法。該方

3、法利用灰色模型弱化數(shù)據(jù)的隨機(jī)性以及神經(jīng)網(wǎng)絡(luò)的高度非線性，對空調(diào)訂單建立了一種非線性預(yù)測模型，并采用遺傳算法對其進(jìn)行優(yōu)化，從而提高了預(yù)測的精度并加快了收斂程度。并用MATLAB進(jìn)行了仿真研究，結(jié)果表明該算法能較好的解決空調(diào)訂單預(yù)測的問題并可推廣到同類預(yù)測中。
　　 最后本文又以變風(fēng)量空調(diào)系統(tǒng)為研究對象，針對變風(fēng)量空調(diào)末端裝置控制過程中存在的問題，采用前饋補(bǔ)償器法設(shè)計(jì)了三輸入三輸出的變風(fēng)量空調(diào)系統(tǒng)的解耦補(bǔ)償器，并設(shè)計(jì)了遺傳算法優(yōu)化的