自适应神经网络算法研究及在污水处理中的应用

发布时间：2017-04-23 14:08

  本文关键词：自适应神经网络算法研究及在污水处理中的应用，由笔耕文化传播整理发布。

【摘要】：外部扰动和时间延迟等因素广泛存在于实际的被控系统中,比如污水处理溶解氧浓度的控制过程等。此类因素容易导致系统不稳定,因此在实际控制的过程中,要重视这类因素的影响。本文深入研究了带有外界干扰的非线性时滞系统的控制问题。将自适应与神经网络方法相结合,解决了单一控制方法在对系统进行控制时所产生的缺陷。论文的研究内容如下:首先,通过对举出的简单实例进行仿真,验证了RBF神经网络的函数逼近性能,同时对比了各参数对于函数逼近性能的影响,并且比较了梯度下降法和新型混合算法对RBF网络逼近性能的影响,得出的结论为后者在网络训练速度方面更快。其次,针对一类严反馈时滞非线性系统,通过结合Lyapunov函数和backstepping方法提出了一个自适应神经网络控制方案。在该方案中,应用RBF神经网络来逼近未知的非线性,随后基于backstepping技术设计了自适应神经网络控制器,最后通过MATLAB仿真证明了控制器的有效性,并且通过仿真与原文献结果进行了对比,在确保整个闭环控制系统稳定的前提下,提高了系统的跟踪速度与精度。然后,针对一类带有输入延迟和外界扰动的非线性系统设计自适应神经网络的控制方案,利用滤波器和虚拟观测器代替系统的状态,并通过Lyapunov函数证明了所设计控制器的有效性。通过仿真验证了系统的跟踪性能,保证了系统能够在有限的时间内达到稳定状态,反应了所设计的自适应神经网络算法是合理有效的,并且通过与改动前被控系统的仿真结果对比,体现了所设计控制算法在抗干扰能力方面的优越性。最后,论文将带有外部扰动的非线性时滞系统的控制算法应用到实验室污水处理实验平台上,将实验的仿真结果与PID算法的实验结果进行对比。通过对比可以看出,使用本文控制算法得到的效果优于PID算法的效果。
【关键词】：自适应神经网络控制 非线性时滞系统 污水处理 溶解氧浓度 RBF神经网络
【学位授予单位】：河北科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;X703
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 论文的研究背景及选题意义9-11
• 1.1.1 研究背景9-10
• 1.1.2 选题意义10-11
• 1.2 国内外的研究现状11-13
• 1.3 研究内容13-15
• 第2章 RBF神经网络算法研究15-31
• 2.1 神经网络的概述15-17
• 2.2 RBF神经网络原理17-18
• 2.3 RBF神经网络学习算法18-29
• 2.3.1 梯度下降法19-26
• 2.3.2 混合算法26-29
• 2.4 本章小结29-31
• 第3章 非线性时滞系统的自适应神经网络控制31-44
• 3.1 引言31
• 3.2 Backstepping算法介绍31-32
• 3.3 系统自适应神经网络的设计方案32-40
• 3.3.1 系统描述32-33
• 3.3.2 Backstepping设计33-37
• 3.3.3 自适应神经网络控制37-40
• 3.4 算例仿真40-42
• 3.5 本章小结42-44
• 第4章 一类具有外部扰动的非线性时滞系统的自适应神经网络控制44-56
• 4.1 引言44-45
• 4.2 自适应神经网络控制算法的设计45-53
• 4.2.1 问题描述45
• 4.2.2 基于RBF神经网络的函数逼近45-46
• 4.2.3 算法设计46-53
• 4.3 算例仿真53-55
• 4.4 本章小结55-56
• 第5章 自适应神经网络在污水处理过程中的应用56-70
• 5.1 引言56-58
• 5.2 曝气环节数学模型58-62
• 5.2.1 活性污泥数学模型建立的预备知识58-60
• 5.2.2 模型的建立60-62
• 5.3 算法应用及MATLAB仿真62-63
• 5.4 污水处理算法实现及实验仿真63-69
• 5.4.1 PID控制算法实现64-66
• 5.4.2 自适应神经网络控制算法的实现66-69
• 5.5 本章小结69-70
• 结论70-72
• 参考文献72-76
• 攻读硕士学位期间所发表的论文76-78
• 致谢78

【相似文献】

中国期刊全文数据库 前10条

1 谢先伟;;大规模煤炭数据下分布式神经网络算法的研究与实现[J];煤炭技术;2013年09期

2 高淑芝;徐晓剑;王会;赵娜;;LMBP神经网络算法的改进[J];沈阳化工大学学报;2014年01期

3 杨炳林,王良恩,黄诗煌;单一溶剂盐溶液饱和蒸气压计算的新方法──改进的BP神经网络算法[J];福建化工;2000年02期

4 肖立川,薛国新;BP神经网络算法研究及其在燃煤锅炉中应用[J];江苏石油化工学院学报;2001年03期

5 孙开琼,周云才;改进的神经网络算法及其在油层识别中的应用[J];石油机械;2004年03期

6 周桥;高谦;;样条权函数神经网络算法在超前锚杆加固方式中的应用研究[J];金属矿山;2009年11期

7 罗丹;李昌彩;吴长彬;;基于微粒群 BP神经网络算法的堆石坝坝体变形监控模型研究[J];岩石力学与工程学报;2012年S1期

8 张引沁;;利用神经网络算法推算超额吉布斯自由能[J];新乡学院学报(自然科学版);2008年04期

9 刘毅;张新;李艳;;基于虚拟仪器和神经网络算法的旋转机械故障诊断系统设计[J];煤矿机械;2011年11期

10 朱云;;计算机网络连接增强优化中的神经网络算法[J];煤炭技术;2012年04期

中国重要会议论文全文数据库 前10条

1 吕庆U，

本文编号：322508