随机分布理论在非高斯系统中的研究

发布时间：2021-04-22 17:48

　　工业系统由于外部干扰及本身具有的非线性因素,系统内的变量通常是非高斯分布的,这给系统辨识和控制带来了一定难度。随着随机分布理论的不断发展,针对非高斯系统提出了很多行之有效的算法理论。神经网络具有很好的逼近和分类能力,在系统辨识和控制上得到了广泛应用。超限学习机作为神经网络的一种,在对数据训练过程中由于不需迭代调整网络权重,实现最小训练误差的同时能够保证输出权重范数最小,因而具有学习速度快、泛化性能好的特点。本文将超限学习机算法用于有机朗肯循环（ORC-Organic Rankine Cycle）系统中工质泵转速到过热度段的辨识,同时考虑了烟气温度和烟气质量流量对系统输出的非高斯干扰,通过与最小二乘支持向量机在训练时间和辨识精度方面的对比,凸显了超限学习机辨识法的优势。此外,本文还研究了非高斯系统的输出形状控制问题,也称作随机分布控制问题。首先,针对带有非高斯噪声影响的非线性多变量随机系统,基于两步神经网络框架,先利用RBF（Radial Basis Function）神经网络对输出PDF（Probability Density Function）逼近后,再利用动态神经网络辨识得到权向量... 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 选题背景及意义
    1.2 基于数据驱动的随机分布理论在非高斯系统中的研究现状
    1.3 信息论在非高斯系统中的研究现状
        1.3.1 熵在非高斯系统中的研究现状
        1.3.2 生存信息势在非高斯系统中的研究现状
    1.4 本文主要研究内容
第2章 辨识方法与准则函数
    2.1 引言
    2.2 辨识方法
        2.2.1 超限学习机辨识法
        2.2.2 动态神经网络辨识法
        2.2.3 子空间辨识法
    2.3 准则函数
        2.3.1 Renyi熵及信息势
        2.3.2 生存信息势
    2.4 本章小结
第3章 基于超限学习机的ORC系统过热度辨识
    3.1 引言
    3.2 预备知识
        3.2.1 Moore-Penrose广义逆
        3.2.2 最小范数最小二乘解
    3.3 基于超限学习机的辨识算法
        3.3.1 广义单隐层前馈网络（SLFNs）
        3.3.2 SLFNs的最小范数最小二乘解
    3.4 应用实例
    3.5 本章小结
第4章 基于SIP的两步神经网络随机分布控制
    4.1 引言
    4.2 两步神经网络结构
        4.2.1 基于径向基神经网络的PDF建模
        4.2.2 动态神经网络辨识
    4.3 基于SIP的控制器设计
    4.4 应用实例
    4.5 本章小结
第5章 控制输入受限的分子量分布子空间辨识与控制
    5.1 引言
    5.2 苯乙烯聚合过程建模及控制方案
    5.3 基于子空间辨识法的MWD建模
        5.3.1 MWD模型的B样条逼近
        5.3.2 MWD的子空间辨识
    5.4 带约束最优控制律设计
    5.5 应用实例
    5.6 本章小结
第6章 结论与展望
参考文献
攻读硕士学位期间发表的论文
致谢
附录-子空间辨识法的状态序列估计


【参考文献】：
博士论文
[1]非高斯系统的控制及滤波方法研究[D]. 任密蜂.华北电力大学 2014



本文编号：3154202