基于小波神經網絡的多容水箱液位預測控制.pdf

1、鑒于現(xiàn)今社會對高精度產品的需求逐漸變大，促進了現(xiàn)代科技的不斷進步。尤其在智能控制領域，傳統(tǒng)算法已經很難解決復雜的實際問題。對算法的改進能有效的解決現(xiàn)有算法很難解決日漸復雜的控制系統(tǒng)的問題。想要獲得更好的控制策略就必須要事先做好理論準備和實驗工作來模擬復雜的現(xiàn)場。四容水箱的液位控制系統(tǒng)，在實驗條件下，多容水箱的控制存在一定的非線性耦合關系。所以，可以將多容水箱作為研究非線性以及耦合的控制的對象。因此，本文分析了多容水箱的特性，從水箱的液位

2、控制策略展開了設計。
　　本文采用小波神經網絡辨識模型，用神經網絡對四容水箱進行解耦控制，最后引入模型算法預測控制，來調節(jié)水箱液位。神經網絡有很多優(yōu)點，特別是因其良好的非線性逼近能力著稱，它與小波分析的結合能更好的控制模型的精度。所以，先對小波神經網絡的權值、閾值等進行優(yōu)化。本文選用的優(yōu)化方法是基于改進PSO優(yōu)化小波網絡。該算法從三個方面進行了改進，分別把遺傳交叉因子、線性遞減權重和平均個體極值加入到PSO算法中，很大程度上提高了

3、小波神經網絡的逼近能力。因為水箱系統(tǒng)是具有耦合問題的，所以經過各種算法的權衡與對比，我們將神經網絡技術應用于解耦。并對解耦器的相關參數(shù)進行了設計。隨后又將其與模型算法控制(MAC)融合在一起，對水箱系統(tǒng)完成預測控制。
　　用基于改進PSO優(yōu)化后的小波神經網絡實施模型算法(MAC)的預測控制方法，對水箱系統(tǒng)的液位控制進行了仿真操作。仿真結果說明該控制算法具有很好的控制性能，精度高，響應速度快，魯棒性強，也有一定的抗干擾能力。本文的實