基于神經(jīng)網(wǎng)絡(luò)的控制器的研究.pdf

1、由于生產(chǎn)過程的復(fù)雜性、高要求,常規(guī)的控制方法不能很好滿足工業(yè)過程的性能要求,所以該文探討應(yīng)用神經(jīng)網(wǎng)絡(luò)控制的方法來滿足控制要求,改善其控制效果.該論文主要研究了基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識,以及在此基礎(chǔ)上提出了神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合的復(fù)合控制方法,并進(jìn)行了控制系統(tǒng)的仿真實驗.主要研究內(nèi)容有如下幾個方面:1.針對標(biāo)準(zhǔn)BP算法收斂速度慢和易于陷入局部極小值等缺點,研究分析了改進(jìn)的BP算法,比較了它們的優(yōu)缺點.2.針對被控對象的建模問題,分別采用B

2、P網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)對被控對象建模.進(jìn)行了泛化能力分析,并對自適應(yīng)辨識做了進(jìn)一步的探討.3.基于對被控對象的神經(jīng)網(wǎng)絡(luò)辨識,提出了神經(jīng)網(wǎng)絡(luò)控制策略,采用BP網(wǎng)絡(luò)和遺傳算法結(jié)合的復(fù)合控制,利用遺傳算法為全局優(yōu)化算法,優(yōu)化BP網(wǎng)絡(luò)的初始權(quán)系數(shù).仿真結(jié)果表明這種復(fù)合控制能有效地進(jìn)行控制,克服了BP算法對初始值敏感的問題,有效改善由于時變、非線性和大滯后的系統(tǒng)變化導(dǎo)致的控制不穩(wěn)定.通過MATLAB仿真,驗證了采用改進(jìn)BP算法,在對系統(tǒng)辨識的基礎(chǔ)上應(yīng)