LM优化算法和神经网络预测控制在非线性系统中的研究

发布时间：2017-04-27 04:13

  本文关键词：LM优化算法和神经网络预测控制在非线性系统中的研究，，由笔耕文化传播整理发布。

【摘要】：随着时代的进步,科技水平有了迅速提升,工业生产过程更加复杂化,对控制器的控制精度也提出了更高的要求。在如此严峻的工业环境下,PID控制等传统方法的控制能力稍显薄弱,而预测控制表现出强大的工业适应性,并逐渐确立其在工业控制中的地位。预测控制可根据当前情况动态修改预测模型,尤其在控制对象具有多输入多输出、非线性、时变和大纯滞后等特点时,控制效果与控制精度的优势表现更为突出。本文以非线性系统作为预测控制的研究对象,对其相关背景、结构理论及工业应用现状等进行阐述与分析。本文首先对预测控制的研究背景与现状做出分析,介绍其基本原理、稳定性和鲁棒性等性能,列举了预测模型的几种典型的建模方法。当被控对象为非线性系统时,重点对神经网络预测控制预测模型精度不高和滚动优化求解困难提出了相关的改进方法。具体内容如下:依据BP神经网络在强非线性时可以逼近任何对象的能力将其选为模型辨识方法。针对其易陷入局部极小值、收敛速度慢等缺点,提出一种以思维进化算法和LM算法相结合的LM-MEA优化算法对其权值和阈值进行优化。LM-MEA算法利用了思维进化算法中模拟人类思维过程的思路和在趋同、异化操作方法下表现出来的求解速度快、计算精度高的优点对LM算法过于依赖初值的缺点进行了改进。通过标准函数测试表明LM-MEA算法具有较好的寻优性能。对非线性对象进行建模预测与仿真实验,证明基于LM-MEA算法优化的BP神经网络模型精度、抗干扰能力和适应能力均有所提升。针对滚动优化环节,将LM算法与粒子群算法相结合的提出一种LM-PSO优化算法。LM-PSO算法利用了PSO算法的全局收敛速度快和LM算法在靠近局部极小值时搜索精度高的优点,克服了LM算法过于依赖初值和PSO算法容易陷入局部极值的缺点。同样将该算法经过测试函数验证,证明具有良好的寻优性能。选取非线性系统作为研究对象,以BP神经网络作为模型辨识方法,将LM-PSO算法用于求解滚动优化环节中目标函数的最优控制量,并与其他算法相对比。通过仿真实验证明LM-PSO-BP神经网络预测控制方法提升了综合控制性能。最后,将以LM-MEA-BP神经网络为预测模型、LM-PSO算法为滚动优化策略的预测控制方法应用到CSTR的反应物浓度AC的控制求解过程中。通过实验表明该方法具有良好的跟踪控制效果和抗干扰能力。
【关键词】：非线性系统 预测控制 LM算法 思维进化算法 粒子群算法 神经网络
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 绪论13-19
• 1.1 课题研究背景13-14
• 1.2 研究现状14-17
• 1.3 本文主要内容17-19
• 第二章 基础理论19-29
• 2.1 引言19
• 2.2 预测控制基本原理19-23
• 2.2.1 预测模型19-21
• 2.2.2 滚动优化21
• 2.2.3 反馈校正21-22
• 2.2.4 性能分析22-23
• 2.3 几种典型的系统模型23-27
• 2.3.1 神经网络模型23-24
• 2.3.2 支持向量机模型24-25
• 2.3.3 特殊非线性模型25-27
• 2.3.4 模糊模型27
• 2.4 小结27-29
• 第三章 LM算法及其改进算法29-47
• 3.1 引言29
• 3.2 Levenberg-Marquardt算法29-33
• 3.2.1 LM算法基本原理30-32
• 3.2.2 LM算法步骤32
• 3.2.3 LM算法收敛性判定32-33
• 3.3 LM-MEA优化算法33-37
• 3.3.1 思维进化算法33-35
• 3.3.2 LM-MEA算法35-37
• 3.4 LM-PSO优化算法37-41
• 3.4.1 粒子群算法37-39
• 3.4.2 LM-PSO优化算法39-41
• 3.5 仿真研究41-46
• 3.6 小结46-47
• 第四章 基于改进BP神经网络的模型辨识47-59
• 4.1 引言47
• 4.2 BP神经网络47-51
• 4.2.1 基本结构47-48
• 4.2.2 计算步骤48-51
• 4.3 LM-MEA算法优化BP神经网络51-52
• 4.4 仿真研究52-56
• 4.5 本章小结56-59
• 第五章 LM-PSO算法和神经网络模型的非线性系统预测控制59-75
• 5.1 引言59
• 5.2 基于LM-PSO算法和BP神经网络的预测控制59-60
• 5.3 仿真研究60-66
• 5.4 应用于CSTR66-74
• 5.4.1 连续搅拌反应釜67-68
• 5.4.2 仿真研究68-74
• 5.5 本章小结74-75
• 第六章 工作总结与展望75-77
• 6.1 研究结论75-76
• 6.2 工作展望76-77
• 参考文献77-83
• 致谢83-85
• 攻读硕士学位期间发表的学术论文85

【相似文献】

中国期刊全文数据库 前10条

1 张钟俊,姚勇;非线性系统学[J];信息与控制;1987年05期

2 伏玉笋,田作华,施颂椒;非线性系统鲁棒耗散控制(英文)[J];控制理论与应用;2000年06期

3 胡钋,刘岚,韩进能;非线性系统等效的充分必要条件[J];武汉水利电力大学学报;2000年04期

4 张凌波,吴敏,桂卫华;一类具有加法不确定性非线性系统的鲁棒性分析[J];中南工业大学学报(自然科学版);2000年03期

5 郭宏;一种非线性系统相平面轨迹的生成算法[J];武汉科技大学学报(自然科学版);2000年03期

6 范子彦,韩正之;一类非线性系统的监督控制[J];上海交通大学学报;2001年02期

7 冯巧玲,牛月兰,孙君曼,赵秀花;非线性系统的来源及奇异性分析[J];郑州轻工业学院学报;2001年03期

8 张友安,梁国强,关新平;非线性系统的递推设计[J];燕山大学学报;2002年02期

9 钱慧芳,陈增禄,冯智;一种非线性系统的线形定常控制方法仿真研究[J];西安工程科技学院学报;2005年03期

10 刘斌;张曾科;;一种三对角结构非线性系统的稳定性及其应用[J];自动化学报;2007年04期

中国重要会议论文全文数据库 前10条

1 费树岷;高为炳;;临界非线性系统的局部渐近镇定[A];1994年中国控制会议论文集[C];1994年

2 王成红;韩兵欣;郑应平;;连续非线性系统游荡不存在条件[A];1998年中国控制会议论文集[C];1998年

3 刘士荣;俞金寿;;非线性系统的最优模糊模型与模型鲁棒性研究及其应用[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

4 彭晓华;屠兴汉;;求解模糊非线性系统[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

5 贾理群;;非线性系统评价的若干方法研究[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

6 韩存武;张竞新;顾兴源;;输入受限的非线性系统的自适应镇定[A];1993中国控制与决策学术年会论文集[C];1993年

7 费树岷;霍伟;;一类非线性系统的全局渐近跟踪[A];1995年中国控制会议论文集（上）[C];1995年

8 吴方向;戴冠中;;奇异非线性系统的线性化问题[A];1996年中国控制会议论文集[C];1996年

9 楚天广;黄琳;;一类饱和非线性系统的全局渐近稳定性[A];1997年中国控制会议论文集[C];1997年

10 吴方向;史忠科;杨建军;戴冠中;;非线性系统的线性化系统之间的关系[A];1997中国控制与决策学术年会论文集[C];1997年

中国重要报纸全文数据库 前1条

1 俞杰邋吴胜 董斌;莫要泛化“非线性”[N];中国国防报;2007年

中国博士学位论文全文数据库 前10条

1 余卫勇;几类前馈非线性系统的输出反馈调节[D];山东大学;2015年

2 胡栋梁;两类非线性系统随机颤振和振动共振现象研究[D];南京航空航天大学;2014年

3 杨飞飞;非线性系统基于模式的控制方法研究[D];华南理工大学;2015年

4 池小波;基于模糊模型的非线性系统的网络化控制和滤波研究[D];山西大学;2014年

5 赵丛然;几类随机、时滞非线性系统的镇定问题研究[D];曲阜师范大学;2015年

6 殷春;非线性系统的动力稳定性分析和控制研究[D];电子科技大学;2014年

7 韩彦伟;一类几何非线性系统的动力学行为及应用研究[D];哈尔滨工业大学;2015年

8 童长飞;基于半定规划的多项式非线性系统镇定控制研究[D];浙江大学;2008年

9 陈晶;一类非线性系统的参数辨识方法研究[D];江南大学;2013年

10 沈自飞;一类非线性系统的临界性及稳定性研究[D];北京信息控制研究所;2007年

中国硕士学位论文全文数据库 前10条

1 程海洋;一种非最小相位非线性系统复合控制器设计方法研究[D];中国石油大学(华东);2014年

2 张腾飞;对含输入饱和约束和未知信息的非线性系统的研究[D];北京交通大学;2016年

3 王昌盛;一类带乘性噪声附等式约束的非线性系统状态估计算法研究[D];中国海洋大学;2015年

4 王炳萱;LM优化算法和神经网络预测控制在非线性系统中的研究[D];太原理工大学;2016年

5 于娟;非线性系统的混合控制与周期间歇控制[D];新疆大学;2010年

6 李玉梅;中心流形定理与非线性系统临界稳定性的研究[D];新疆大学;2004年

7 钟国旗;离散非线性系统输入到状态稳定性研究[D];哈尔滨工业大学;2008年

8 王飞;随机严格反馈非线性系统的自适应神经网络控制[D];扬州大学;2012年

9 马丹妮;针对非线性系统的降维策略研究与仿真[D];北京邮电大学;2010年

10 冯玉娟;一类非线性系统的控制器设计与稳定性分析[D];天津工业大学;2007年

  本文关键词：LM优化算法和神经网络预测控制在非线性系统中的研究，由笔耕文化传播整理发布。

本文编号：329909