基于RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測控制在非線性滯后系統(tǒng)中的應(yīng)用研究.pdf

1、滯后環(huán)節(jié)普遍存在于工業(yè)生產(chǎn)過程中，對控制系統(tǒng)的性能產(chǎn)生極為不利的影響，甚至引起閉環(huán)系統(tǒng)的不穩(wěn)定或根本無法對系統(tǒng)進行有效的控制。因此，滯后系統(tǒng)的建模與控制方法一直是控制領(lǐng)域的研究難點。 解決滯后問題的關(guān)鍵是對系統(tǒng)未來時刻的輸出做出準(zhǔn)確的預(yù)測，從而克服滯后環(huán)節(jié)對系統(tǒng)造成的影響，因此采用預(yù)測控制算法非常適合解決滯后系統(tǒng)的控制難題。由于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)可以逼近任意非線性函數(shù)，且具有計算量小、收斂速度快、無局部極小等優(yōu)點，本文

2、選用RBF神經(jīng)網(wǎng)絡(luò)建立非線性滯后系統(tǒng)的預(yù)測模型。首先，針對RBF神經(jīng)網(wǎng)絡(luò)存在網(wǎng)絡(luò)參數(shù)對初始值敏感的問題，提出了基于FCM(模糊C均值)的網(wǎng)絡(luò)參數(shù)初始值確定方法，并將其和全監(jiān)督算法相結(jié)合，構(gòu)成了RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法。仿真研究表明，該學(xué)習(xí)算法能夠避免上述問題，使網(wǎng)絡(luò)不僅準(zhǔn)確地反映了系統(tǒng)特性，而且具有較好的收斂性和泛化能力。其次，研究了基于RBF神經(jīng)網(wǎng)絡(luò)的時滯辨識方法，并根據(jù)所辨識的純滯后時間，基于RBF神經(jīng)網(wǎng)絡(luò)單步預(yù)測模型，采用遞推算法