基于神經(jīng)網(wǎng)絡(luò)的PH中和過程辨識(shí)及控制器設(shè)計(jì).pdf

1、pH中和過程是典型的非線性過程,而且經(jīng)常包含大滯后環(huán)節(jié),因此對(duì)該過程的辨識(shí)與控制是控制領(lǐng)域中的難題之一,如何處理系統(tǒng)的非線性問題和大滯后問題是解決該問題的關(guān)鍵.該文利用人工神經(jīng)網(wǎng)絡(luò)對(duì)這一問題進(jìn)行了研究,特別是將通用學(xué)習(xí)網(wǎng)絡(luò)(Universal Learning Network,ULN)首次應(yīng)用于這一領(lǐng)域,初步提出了基于通用學(xué)習(xí)網(wǎng)絡(luò)的辨識(shí)和控制方法.通用學(xué)習(xí)網(wǎng)絡(luò)是一種新型的神經(jīng)網(wǎng)絡(luò).網(wǎng)絡(luò)中的所有節(jié)點(diǎn)互相連接,且所有節(jié)點(diǎn)之間的連接上可以任意

2、地設(shè)置延遲時(shí)間.同傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,通用學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)更加緊湊;應(yīng)用于大滯后系統(tǒng)時(shí),系統(tǒng)的延遲時(shí)間能夠在網(wǎng)絡(luò)中得到充分體現(xiàn),為通用學(xué)習(xí)網(wǎng)絡(luò)有效地辨識(shí)大滯后動(dòng)態(tài)系統(tǒng)奠定了基礎(chǔ).利用通用學(xué)習(xí)網(wǎng)絡(luò)對(duì)pH中和過程進(jìn)行辨識(shí)仿真,并同BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)等其他方法進(jìn)行比較,結(jié)果表明通用學(xué)習(xí)網(wǎng)絡(luò)辨識(shí)效果要好于其他方法,泛化能力強(qiáng),能夠有效的體現(xiàn)系統(tǒng)的動(dòng)態(tài)特性、非線性特性和大滯后特性.通用學(xué)習(xí)網(wǎng)絡(luò)對(duì)pH中和過程的辨識(shí)為對(duì)該過程的有效控制奠定了基礎(chǔ).辨

3、識(shí)得到的通用學(xué)習(xí)網(wǎng)絡(luò)模型能夠計(jì)算出控制對(duì)象在延遲時(shí)間以后的輸出,所以當(dāng)其作為控制系統(tǒng)中的預(yù)報(bào)模型和預(yù)估器時(shí),能夠有效地消除系統(tǒng)延遲時(shí)間的影響,使控制器及時(shí)正確地得到對(duì)象的信息,實(shí)現(xiàn)有效的控制.該文利用ULN模型預(yù)報(bào)+PID控制方法、神經(jīng)網(wǎng)絡(luò)PID+ULN預(yù)估器控制方法、單神經(jīng)元PID+預(yù)估器控制方法和PID控制方法對(duì)pH中和過程進(jìn)行控制仿真,結(jié)果表明,通用學(xué)習(xí)網(wǎng)絡(luò)在控制系統(tǒng)中的作用非常明顯,控制效果明顯改善,上升時(shí)間、穩(wěn)定時(shí)間顯著縮短,