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

1、本文針對工業(yè)過程中常見的時滯系統(tǒng)建模與控制方法進行研究。其目的是在動態(tài)神經(jīng)網(wǎng)絡(luò)理論的基礎(chǔ)上，構(gòu)建對未知時滯系統(tǒng)的參數(shù)辨識與建模方法，進而提出時滯系統(tǒng)的有效控制策略。本文提出兩種包含可變延遲時間參數(shù)的動態(tài)神經(jīng)網(wǎng)絡(luò)算法分別用于實現(xiàn)對未知時滯系統(tǒng)的離線和在線辨識。在此基礎(chǔ)上分別提出時滯系統(tǒng)控制器的設(shè)計方案，并進行相關(guān)的理論分析。主要研究內(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)算法的非線性時滯系統(tǒng)辨識研究。本文根據(jù)通用學(xué)習(xí)網(wǎng)絡(luò)

2、在對非線性時滯系統(tǒng)建模過程中表現(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，提出一種自適應(yīng)選擇延遲時間參數(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)的收斂速度對網(wǎng)絡(luò)中與輸出節(jié)點相連的分支上的延遲時間參數(shù)較為敏感的特性，通過誤差評價函數(shù)對網(wǎng)絡(luò)的延遲時間參數(shù)進行修正，在保證誤差精度的同時加快網(wǎng)絡(luò)的收斂速度。與此同時，通過該算法優(yōu)化得到的網(wǎng)絡(luò)延遲時間參數(shù)可以用于時滯系統(tǒng)延遲時間的辨識。此外，本文針對神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中延遲參數(shù)變化引起的

3、網(wǎng)絡(luò)狀態(tài)擾動問題進行分析，給出網(wǎng)絡(luò)在狀態(tài)擾動情況下保持穩(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現(xiàn)對包含時滯環(huán)節(jié)的黑箱非線性系統(tǒng)的建模，并能對系統(tǒng)所包含的時滯環(huán)節(jié)進行辨識。 (2)基于通用學(xué)習(xí)網(wǎng)絡(luò)的時滯系統(tǒng)控制研究。針對模型未知的時滯系統(tǒng)控制問題，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)算法對模型未知的時滯系統(tǒng)進行離線建模，得到該過程的輸入輸出模型以及系統(tǒng)的滯后時間，進

4、而將辨識得到的神經(jīng)網(wǎng)絡(luò)模型作為模型預(yù)測器對時滯系統(tǒng)進行預(yù)報。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)控制器的作用下實現(xiàn)對模型未知時滯系統(tǒng)的控制。以工業(yè)生產(chǎn)過程中常見的pH中和過程為例，本文在對pH中和過程內(nèi)在機理分析的基礎(chǔ)上，對其進行系統(tǒng)建模與控制仿真實驗，仿真結(jié)果表明本文所提出的控制方法對pH中和過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)基于一種新型動態(tài)前向神經(jīng)網(wǎng)絡(luò)

5、的時滯系統(tǒng)辨識與控制研究。針對動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)不適用于在線建模的局限，本文提出一種動態(tài)前向神經(jīng)網(wǎng)絡(luò)用于時滯系統(tǒng)的在線辨識。根據(jù)動態(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)誤差梯度對網(wǎng)絡(luò)中的連接權(quán)值和延遲時間參數(shù)進行在線修正，從而能夠在充分逼近時滯系統(tǒng)的同時，對時滯系統(tǒng)的延遲時間進行估計。此外，為改善該動態(tài)前向神經(jīng)網(wǎng)絡(luò)對模型未知時滯系統(tǒng)建模的泛化能力，本文提出一種改進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