终点偏向神经网络控制及其应用

发布时间：2021-04-12 01:03

　　近年来,国内外市场竞争日趋激烈,使得生产企业对工业产品生产过程的控制性能提出了更高的要求,而实际工业生产过程通常具有较强的非线性、不确定性、耦合性、时变性等特点,这些特性使得建立在线性系统理论的控制方法不再适用。因此,生产过程的非线性控制方法成为了过程控制领域的研究热点。在现有的非线性控制方法中,由于神经网络具有较强的非线性逼近能力、自学习能力,使得神经网络控制方法得到广泛研究。然而,目前已经提出的神经网络控制方法在实际工程应用中存在较大局限性,主要表现在网络参数初值的有效确定,当网络参数的初值设置不合理时,这些方法较难获得理想的控制效果。为此,本文以模型参考的神经网络控制方法为例,对网络参数的有效确定问题展开研究,主要有以下几方面内容。首先,研究了模型参考神经网络控制方法的参数调节原理,分析了该方法的局限性,指出了局限性存在的原因,为后面章节的研究奠定了基础。其次,在模型参考神经网络控制方法基础上,提出了终点偏向神经网络控制方法。该方法先从训练网络参数的目标函数出发,分别构造了均方差和最大相关熵的终点偏向目标函数;同时,为了避免传统BP算法、LM算法易陷入局部极值、初值选取困难的缺陷... 

【文章来源】：西安理工大学陕西省

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

神经网络预测控制原理框图

图 2-2 NARMA-L2 控制原理框图Fig. 2-2 The block diagram of NARMA-L2 control图 2-3 神经网络模型参考控制原理框图Fig. 2-3 The block diagram of neural network model reference control参考控制被广泛应用于工程领域[58]，它是针对非线性不确定模型参考信号通常是一个基于计算机模拟的理想模型，通过号，调节二者的偏差，令被控对象的输出信号跟随参考模型文在模型参考控制方法的基础上进行研究与设计，通过最小差来调整网络参数，由神经网络控制器确定出最佳的控制量

图 2-3 神经网络模型参考控制原理框图Fig. 2-3 The block diagram of neural network model reference control前，模型参考控制被广泛应用于工程领域[58]，它是针对非线性不确定性系。其中，模型参考信号通常是一个基于计算机模拟的理想模型，通过比较统输出信号，调节二者的偏差，令被控对象的输出信号跟随参考模型的变因此，本文在模型参考控制方法的基础上进行研究与设计，通过最小化反信号的偏差来调整网络参数，由神经网络控制器确定出最佳的控制量并输，完成闭环控制过程。经网络辨识节介绍的三种控制方法都有各自的优势和劣势，不存在适用于任何系统对于一个未知非线性系统，实现有效控制的第一步均是通过神经网络辨识系统模型。统的系统辨识方法需要预先确定系统模型的结构与阶次，将模型的建立立，常用来进行线性系统的辨识，而对于未知的非线性系统模型的辨识则显


本文编号：3132299