基于神經(jīng)網(wǎng)絡(luò)的時滯系統(tǒng)建模與控制器設(shè)計.pdf

1、時滯系統(tǒng)廣泛存在于現(xiàn)代工業(yè)生產(chǎn)過程中。時滯的存在使得被控量不能及時反映被控系統(tǒng)所承受的擾動，該過程必然產(chǎn)生較大的超調(diào)量和較長的調(diào)節(jié)時間，使得控制系統(tǒng)性能變差，因此，時滯系統(tǒng)的建模與控制方法的研究一直是控制領(lǐng)域的研究難點和熱點。鑒于此對時滯系統(tǒng)的建模和控制問題的研究，具有很重要的理論和實際意義。
　　神經(jīng)網(wǎng)絡(luò)具有獨特的非線性映射能力、自組織能力和較強的自學習能力，在時滯系統(tǒng)建模方面具有廣泛的應(yīng)用。而動態(tài)矩陣預(yù)測控制(DMC)由于其算

2、法的預(yù)測性質(zhì)，在處理時滯系統(tǒng)控制問題時具有其獨特的優(yōu)勢。本文針對時滯系統(tǒng)，采用基于改進的自適應(yīng)變異粒子群(PSO)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進行系統(tǒng)辨識，并將其與動態(tài)矩陣預(yù)測控制算法相結(jié)合，提出一種基于改進自適應(yīng)變異PSO-BP網(wǎng)絡(luò)的動態(tài)矩陣預(yù)測控制策略。
　　本文首先介紹了BP神經(jīng)網(wǎng)絡(luò)標準算法及其對時滯系統(tǒng)建模的可行性，闡述了BP神經(jīng)網(wǎng)絡(luò)基本原理和設(shè)計方法，并將其應(yīng)用于時滯系統(tǒng)的建模，通過仿真實驗表明標準BP神經(jīng)網(wǎng)絡(luò)可以近似逼近時滯系統(tǒng)

3、，但是存在建模精度低，收斂速度慢等缺陷。
　　其次，研究了基于自適應(yīng)變異PSO-BP神經(jīng)網(wǎng)絡(luò)的時滯系統(tǒng)的建模方法。針對標準BP算法在對時滯系統(tǒng)建模時存在的缺陷，提出一種改進的自適應(yīng)變異PSO優(yōu)化算法。該算法類比于遺傳算法，將變異算子引入到粒子群中，并按照種群多樣性指標來確定變異率的值，更好的平衡了粒子群的全局和局部搜索能力，提高了BP神經(jīng)網(wǎng)絡(luò)的辨識性能，通過仿真實驗分析，說明了基于自適應(yīng)變異PSO-BP優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)對時滯

4、對象的辨識效果良好，加快了收斂速度，提高了時滯系統(tǒng)的辨識精度。
　　最后，針對時滯系統(tǒng)的特點，本文提出一種基于自適應(yīng)變異PSO-BP神經(jīng)網(wǎng)絡(luò)建模的智能預(yù)測控制方法。該方法將神經(jīng)網(wǎng)絡(luò)模型預(yù)測和動態(tài)矩陣預(yù)測控制算法相結(jié)合，利用作為對象辨識模型的神經(jīng)網(wǎng)絡(luò)建立被控對象的多步預(yù)測模型，然后利用動態(tài)矩陣預(yù)測控制的滾動優(yōu)化算法求取最優(yōu)控制律，實現(xiàn)對時滯系統(tǒng)的控制。通過仿真實驗分析，基于神經(jīng)網(wǎng)絡(luò)模型預(yù)測的動態(tài)矩陣預(yù)測控制對時滯系統(tǒng)具有較好的控制效