基于神經(jīng)網(wǎng)絡(luò)的時(shí)滯系統(tǒng)建模與控制器設(shè)計(jì).pdf

1、時(shí)滯系統(tǒng)廣泛存在于現(xiàn)代工業(yè)生產(chǎn)過程中。時(shí)滯的存在使得被控量不能及時(shí)反映被控系統(tǒng)所承受的擾動(dòng)，該過程必然產(chǎn)生較大的超調(diào)量和較長(zhǎng)的調(diào)節(jié)時(shí)間，使得控制系統(tǒng)性能變差，因此，時(shí)滯系統(tǒng)的建模與控制方法的研究一直是控制領(lǐng)域的研究難點(diǎn)和熱點(diǎn)。鑒于此對(duì)時(shí)滯系統(tǒng)的建模和控制問題的研究，具有很重要的理論和實(shí)際意義。
　　神經(jīng)網(wǎng)絡(luò)具有獨(dú)特的非線性映射能力、自組織能力和較強(qiáng)的自學(xué)習(xí)能力，在時(shí)滯系統(tǒng)建模方面具有廣泛的應(yīng)用。而動(dòng)態(tài)矩陣預(yù)測(cè)控制(DMC)由于其算

2、法的預(yù)測(cè)性質(zhì)，在處理時(shí)滯系統(tǒng)控制問題時(shí)具有其獨(dú)特的優(yōu)勢(shì)。本文針對(duì)時(shí)滯系統(tǒng)，采用基于改進(jìn)的自適應(yīng)變異粒子群(PSO)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)辨識(shí)，并將其與動(dòng)態(tài)矩陣預(yù)測(cè)控制算法相結(jié)合，提出一種基于改進(jìn)自適應(yīng)變異PSO-BP網(wǎng)絡(luò)的動(dòng)態(tài)矩陣預(yù)測(cè)控制策略。
　　本文首先介紹了BP神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)算法及其對(duì)時(shí)滯系統(tǒng)建模的可行性，闡述了BP神經(jīng)網(wǎng)絡(luò)基本原理和設(shè)計(jì)方法，并將其應(yīng)用于時(shí)滯系統(tǒng)的建模，通過仿真實(shí)驗(yàn)表明標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)可以近似逼近時(shí)滯系統(tǒng)

3、，但是存在建模精度低，收斂速度慢等缺陷。
　　其次，研究了基于自適應(yīng)變異PSO-BP神經(jīng)網(wǎng)絡(luò)的時(shí)滯系統(tǒng)的建模方法。針對(duì)標(biāo)準(zhǔn)BP算法在對(duì)時(shí)滯系統(tǒng)建模時(shí)存在的缺陷，提出一種改進(jìn)的自適應(yīng)變異PSO優(yōu)化算法。該算法類比于遺傳算法，將變異算子引入到粒子群中，并按照種群多樣性指標(biāo)來確定變異率的值，更好的平衡了粒子群的全局和局部搜索能力，提高了BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)性能，通過仿真實(shí)驗(yàn)分析，說明了基于自適應(yīng)變異PSO-BP優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)對(duì)時(shí)滯

4、對(duì)象的辨識(shí)效果良好，加快了收斂速度，提高了時(shí)滯系統(tǒng)的辨識(shí)精度。
　　最后，針對(duì)時(shí)滯系統(tǒng)的特點(diǎn)，本文提出一種基于自適應(yīng)變異PSO-BP神經(jīng)網(wǎng)絡(luò)建模的智能預(yù)測(cè)控制方法。該方法將神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)和動(dòng)態(tài)矩陣預(yù)測(cè)控制算法相結(jié)合，利用作為對(duì)象辨識(shí)模型的神經(jīng)網(wǎng)絡(luò)建立被控對(duì)象的多步預(yù)測(cè)模型，然后利用動(dòng)態(tài)矩陣預(yù)測(cè)控制的滾動(dòng)優(yōu)化算法求取最優(yōu)控制律，實(shí)現(xiàn)對(duì)時(shí)滯系統(tǒng)的控制。通過仿真實(shí)驗(yàn)分析，基于神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的動(dòng)態(tài)矩陣預(yù)測(cè)控制對(duì)時(shí)滯系統(tǒng)具有較好的控制效