大時滯系統(tǒng)的神經(jīng)網(wǎng)絡控制方法研究.pdf

1、工業(yè)生產(chǎn)的快速發(fā)展使得工業(yè)系統(tǒng)更為復雜，大時滯、時變性、嚴重非線性給工業(yè)控制系統(tǒng)提出了更高的要求。具有時滯特性的控制系統(tǒng)是普遍存在的，對于大時滯系統(tǒng)的控制是很困難的。傳統(tǒng)的控制方法往往建立在被控對象的數(shù)學模型的基礎之上，然而在實際中，由于控制對象是電子、機械、軟件及其現(xiàn)場環(huán)境的復合體，因此很難以建立準確的數(shù)學模型，有些甚至根本無法建立模型。由于神經(jīng)網(wǎng)絡具有自學習、自組織以及能逼近任意非線性函數(shù)等諸多優(yōu)良的特點，因而應用神經(jīng)網(wǎng)絡理論與方法

2、對大時滯工業(yè)系統(tǒng)的控制已成為了熱門研究課題。大量的研究成果表明基于神經(jīng)網(wǎng)絡的控制系統(tǒng)為大時滯系統(tǒng)的控制提供了新的途徑。
　　 目前基于神經(jīng)網(wǎng)絡的大時滯控制系統(tǒng)主要分為兩種結(jié)構，一種是把神經(jīng)網(wǎng)絡與常規(guī)PID控制器相結(jié)合的控制結(jié)構，另一種是無需附加PID控制器，僅用神經(jīng)網(wǎng)絡本身的控制結(jié)構。本文對這兩種結(jié)構各選取一種神經(jīng)網(wǎng)絡對大時滯系統(tǒng)進行研究。論文中的BP神經(jīng)網(wǎng)絡PID控制系統(tǒng)就屬于第一種結(jié)構，在這種控制結(jié)構中，首先通過神經(jīng)網(wǎng)絡自學

3、習的功能自動調(diào)整控制參數(shù)，然后把這些參數(shù)送入PID控制器中進行整合，從而形成控制律對被控對象進行控制。本文分析了BP神經(jīng)網(wǎng)絡的結(jié)構，詳細的給出了BP的前向算法、反傳算法，對BP算法的易陷入局部極小值和收斂速度慢兩大缺點進行了重點分析，并提出了相應的改進方法，確定了BP神經(jīng)網(wǎng)絡PID控制系統(tǒng)的結(jié)構及算法，最后分別用標準的BP算法與改進Vogl算法對一階大時滯的加熱爐進行了仿真，仿真結(jié)果表明改進的Vogl算法的控制品質(zhì)明顯好于標準的BP算法

4、。PID神經(jīng)元網(wǎng)絡控制系統(tǒng)就屬于第二種控制結(jié)構，在這種控制結(jié)構中，分析了具有動態(tài)處理能力的PID神經(jīng)元，給出了PID神經(jīng)元網(wǎng)絡控制系統(tǒng)的框圖以及算法，并對一個典型的二階大時滯對象進行了仿真，從階躍響應，抗干擾能力，魯棒性等方面分析該算法的實用性。
　　 文章最后還重點討論了PID神經(jīng)元網(wǎng)絡與Smith預估器相結(jié)合的控制系統(tǒng)，給出了結(jié)合后的算法及相關程序并進行了仿真，仿真表明結(jié)合后的控制系統(tǒng)在快速性、抗干擾性方面比僅用PID神經(jīng)元