【摘要】：系统辨识是现代控制理论中的一个重要的组成部分。传统的辨识算法通常是建立在线性、非时变和具有不确定参数对象的基础上进行的,而对于一般的非线性系统的辨识却不易实现。神经网络凭借其自身的强逼近能力、高度的非线性性以及强大的自学习、自适应能力等优势,已经在非线性系统的辨识方面得到了广泛的应用。一般情况下神经网络的权值通常取为常值,其可以采用积分学习率调整网络权值。而时变神经网络具有随时间变化的权值,当网络的拓扑结构确定后,网络权值的训练便成为时变神经网络能否成功应用的关键。本文针对非线性时变系统具有复杂的非线性时变动态特性,研究了基于Hopfield神经网络理论的建模方法,给出了几类Hopfield神经网络的逼近定理及其相应的辨识算法。神经网络系统辨识是通过直接学习系统的输入、输出数据,使目标函数取得最小值,从而解决系统的数学描述问题,即建立系统模型。系统辨识包含两个方面的内容:模型结构辨识和模型参数估计。本文首先研究了基于时变Hopfield神经网络的模型结构辨识问题。鉴于时变Hopfield神经网络具有对非线性系统的强逼近能力,本文分别给出了时变时滞Hopfield神经网络逼近非线性延迟动力系统的逼近定理、定常系数反应扩散Hopfield神经网络逼近非线性反应扩散动力系统的逼近定理以及时变反应扩散Hopfield神经网络逼近非线性时变反应扩散动力系统的逼近定理,并运用相应的数学理论给出了这三个逼近定理的具体证明过程。通过定理证明可以看出时变Hopfield神经网络逼近定理具有普遍的适用性,因此为解决实际问题中具有延迟现象的系统建模、具有扩散现象的系统建模以及具有动态过程的系统建模,提供了理论依据。其次本文利用迭代学习方法及欧拉离散格式分别设计了非线性时变系统、非线性时变延迟系统以及非线性时变反应扩散系统的实时建模算法,通过具体模型的仿真实验验证实时建模算法的可行性。最后作为这些算法的应用,将时变神经网络辨识算法以及时变时滞神经网络辨识算法应用于木材干燥建模过程中,得到木材干燥过程的温度、湿度实时控制模型,数值模拟仿真结果表明所设计的辨识算法具有很好的逼近效果。温、湿度控制模型是板材热压温度、湿度以及含水率之间的关系模型,它为研究木材干燥智能控制提供了必要条件。本文同时研究了系统模型的参数估计问题,以纤维板热压过程中木材内部温度导热模型作为研究对象,研究其导热系数及内热源的参数估计问题。文中利用Schauder不动点定理证明了具有Neumann边界条件的反应扩散方程解的适定性定理,该定理为反问题的参数识别提供了理论保障。结合反问题适定性定理的理论,文中分别对纤维板热压传热过程中内部温度导热模型的导热系数及内热源进行了参数辨识。在参数的辨识过程中,利用数值解法采用中心差分格式及步进格式方法对方程进行差分离散,从而得到导热系数的牛顿迭代格式,通过Matlab仿真实验可以看出参数反演值与实际测量值接近程度良好。这为更好的控制纤维板热压传热过程中的导热问题提供了帮助。综上所述,将神经网络模型作为非线性系统的辨识模型是实际系统的一个物理实现。本文中的辨识原理及方法具有一般性的特点,可以将其推广到其它类似的非线性系统的建模与辨识中。
【学位授予单位】：东北林业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP13;S782.31
【参考文献】
相关期刊论文 前10条
1 陈方方;洪灵;;一类具有时滞和非线性发生率的SIRS传染病模型稳定性与Hopf分岔分析[J];动力学与控制学报;2014年01期
2 孙明轩;何海港;孔颖;;基于神经网络的时变非线性系统迭代学习辨识[J];系统科学与数学;2013年06期
3 吴玉香;王聪;;基于确定学习的机器人任务空间自适应神经网络控制[J];自动化学报;2013年06期
4 严伟力;孙明轩;;基于时变神经网络的非线性时变系统建模[J];小型微型计算机系统;2011年06期
5 田铮;赵春辉;陈占寿;;非参数回归模型均值函数结构变点的检测与应用[J];控制理论与应用;2011年03期
6 国建卫;蒲儒伟;孙力军;;基于雷达目标模拟的数控光纤延迟系统研究[J];半导体光电;2011年01期
7 葛美宝;徐定华;;一类热传导方程逆时反问题的数值解法[J];浙江师范大学学报(自然科学版);2011年01期
8 耿永刚;;一种新型的非线性系统模型参数辨识方法[J];微型机与应用;2010年17期
9 于开平;牟晓明;;基于前向神经网络的非线性时变系统辨识改进EKF算法[J];振动与冲击;2010年08期
10 杜志勇;王鲜芳;郑丽媛;;基于改进的LSSVM辨识动态非线性时变系统[J];计算机工程与应用;2010年21期
相关博士学位论文 前5条
1 俞元杰;偏微分方程参数反演问题的算法与分析[D];浙江大学;2015年
2 朱阳;不确定系统的自适应反步控制[D];浙江大学;2015年
3 王东林;中密度纤维板热压智能控制系统的研究[D];北京林业大学;2008年
4 保昆雁;中密度纤维板热压工艺的研究[D];东北林业大学;2006年
5 王俊国;基于神经网络的建模方法与控制策略研究[D];华中科技大学;2004年
相关硕士学位论文 前5条
1 郑挺;反应扩散对流体系前沿波失稳的表面活性剂效应[D];中国矿业大学;2016年
2 吴晓婷;木材热压及干燥过程的两种数值方法[D];东北林业大学;2016年
3 施静波;中密度纤维板热压传热传质模型[D];南京林业大学;2011年
4 章国升;基于递归神经网络的非线性系统辨识研究[D];兰州大学;2010年
5 刘长江;基于神经网络的工业CT图像边缘提取的算法研究[D];重庆大学;2008年
本文编号：
2781309
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2781309.html
