基于即时学习算法的非线性系统逆控制器设计

发布时间：2021-01-15 05:50

　　随着当今现代化工业生产的迅猛发展,实际工艺生产过程具有复杂性,非线性,工作地点多变性,强耦合性,控制性能要求过高等特点,使我们想要通过机理模型来掌握被控过程中各变量之间的相互关系变得更加困难,成本也随之提高。而非线性系统一般时变性以及不确定性较强,单一的模型结构往往无法对全局系统进行准确地描述,为这种全局的辨识过程增添了多种困难。因此,本文以非线性系统作为研究对象,直接从系统的输入输出数据出发,基于局部学习理论,提出了基于即时学习算法的非线性系统在线优化的控制方法。本文对比了几类常用的数据驱动策略方法,最终选取了即时学习算法来实现在线局部建模的任务。即时学习算法是基于“相似输入产生相似输出”的思想,通过对该算法的相似度指标,数据更新搜索策略进行改进,从而实现对未知系统仅依靠系统数据即可进行局部建模。即时学习算法可以使非线性系统的辨识及控制更加精准,提高了运算速率。针对可利用的大量输入输出数据的非线性系统,结合局部模型在线辨识以及神经网络逆控制思想设计了一种控制器方案。从系统的输入输出数据出发,基于优化的性能指标,得到当前逆控制器的输出值。再次建立正向模型,设计正向优化控制器,能够达到跟... 

【文章来源】：辽宁石油化工大学辽宁省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

单机无穷大系统仿真结果图

3.1.1 即使算法问题描述即时学习算法其实是一种典型的在线进行局部学习方法，这一类型的模型算法全不依赖离线模式，直至当前出现一个新的工况点时在处理数据即可。这种处理手与其他非线性问题不同，比其他更优的是分析问题方面。通常来说，在即学习建模大框架下，所呈现出局部结构，只有之前的历史数据库以及用于最新当前工况点相的一个子集合来用于模型的搭建。正是由于这个原因，它才能更好的处理非线性系相关问题和有效的追踪突变情况。即时学习算法的主要思想是基于 相似输入以产生相似输出 的原则。其实现方式是根据记忆在存储器中的样本数据，利用输入样点，在数据库储存器中找到与距离最近 的样本数据，在通过这些数据得到该输入的对应输出点。一般多用距离数来进行判断。可知，与输入样本数据最近的那些数据间的相似程度比较高。图是一种简明的即时学习算法局部线性多项式拟合方法。


本文编号：2978357