本文選題：BP神經(jīng)網(wǎng)絡(luò) + RBF神經(jīng)網(wǎng)絡(luò)　； 參考：《東北石油大學(xué)》2015年博士論文

【摘要】：在石油、煉化與制藥領(lǐng)域,反應(yīng)器至關(guān)重要,也是在其生產(chǎn)過程中不可或缺的工具,它的操控情況直接影響產(chǎn)品生產(chǎn)速率與質(zhì)量標準。反應(yīng)器是工業(yè)生產(chǎn)和科學(xué)實驗中不可或缺的實驗設(shè)備,特別是在石油開采、石油煉制以及生物醫(yī)學(xué)工程等領(lǐng)域具有十分重要的地位。反應(yīng)器的工作過程及其控制方式直接影響著化工產(chǎn)品的數(shù)量和質(zhì)量,其操作過程是工業(yè)生產(chǎn)的主要控制目標。連續(xù)攪拌反應(yīng)釜作為最重要的反應(yīng)器之一,其運行過程中反應(yīng)物的溫度、壓力、濃度反映了化學(xué)工藝本質(zhì)特征,其特征在此也會對生產(chǎn)質(zhì)量的好壞有很大的影響。所以,為了保證化工生產(chǎn)過程質(zhì)量測量并校正相關(guān)反應(yīng)特征的參數(shù)十分重要。化工生產(chǎn)過程中的主要控制參數(shù)包括溫度、壓力、液位、流量以及濃度等,這些參數(shù)的控制質(zhì)量是控制效果的主要表征。所以,為了保證化工過程的控制質(zhì)量,應(yīng)該從以上參數(shù)的測量與控制入手。本文將以連續(xù)攪拌反應(yīng)釜為研究對象進行相應(yīng)的控制系統(tǒng)設(shè)計。連續(xù)攪拌反應(yīng)釜的控制系統(tǒng)通常為非線性、時變系統(tǒng),且存在滯后、噪聲干擾等因素影響,因此經(jīng)典的PID控制理論難以在連續(xù)攪拌反應(yīng)釜控制上取得好的控制效果。本文在通過全面分析了連續(xù)攪拌反應(yīng)釜的控制特點的基礎(chǔ)上,給出找到了該控制系統(tǒng)精度差的根本原因�；诖�,本文著重研究的是,給出了基于神經(jīng)網(wǎng)絡(luò)的連續(xù)反應(yīng)釜智能控制系統(tǒng)設(shè)計方案。首先,本文提出并證明了一種不需任何簡化的遞推Newton算法,有效改進了傳統(tǒng)BP網(wǎng)絡(luò)學(xué)習(xí)速度慢等缺點,同時避免由于模型簡化造成的信息缺失。針·對神經(jīng)網(wǎng)絡(luò)中最常用的BP神經(jīng)網(wǎng)絡(luò)進行了改進。BP神經(jīng)網(wǎng)絡(luò)至關(guān)重要的問題是怎么解決學(xué)習(xí)算法。經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法學(xué)習(xí)算法是BP神經(jīng)網(wǎng)絡(luò)的核心,也是需要解決的關(guān)鍵問題。一般而言,經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)的缺陷都是由學(xué)習(xí)算法造成的,一般表現(xiàn)為具有收斂速度慢,甚至于發(fā)散等缺點。Karayiannis提出的二階算法,對BP神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)整過程中的Hessian陣的遞推公式作了一些簡化處理簡化了Hessian陣的遞推過程,加快了BP神經(jīng)網(wǎng)絡(luò)的權(quán)值調(diào)整過程。其中丟失了目標函數(shù)的二階導(dǎo)數(shù)的某些信息是有用的,因此對算法的某些性能有所影響,也會因算法推導(dǎo)不夠徹底,乃至算法的計算量還是比較大。對這一問題,本文給出并驗證了遞推Newton算法是不用任何簡化的,它同Newton法一樣擁有二階收斂速度。但是,這一算法的推導(dǎo)過程并未對算法的復(fù)雜性有了根本上的降低,其計算過程與原始的BP算法相比,不僅使得推導(dǎo)過程的目標函數(shù)的有效信息丟失,而且降低了算法的性能。新算法的“慣性”項能對算法導(dǎo)致的震蕩有所預(yù)防,因此會提速收斂過程,而且此慣性項能在線自適應(yīng)計算,免除了人為拼湊煩惱。文中提出的算法收斂速度快、自適應(yīng)能力強,不僅有效防止了算法迭代過程中的收斂振蕩問題,而且慣性項參數(shù)無需試湊,減低了人為主觀因素的影響新算法充分利用了權(quán)值誤差的一階和二階導(dǎo)數(shù)的一切信息,是有效的二階算法。該算法是真正意義上的二階算法,這是因為新算法不僅使用了BP算法中的一階導(dǎo)數(shù)信息,而且還應(yīng)用了權(quán)值誤差矩陣的二階導(dǎo)數(shù)信息。通過計算量看,新算法的計算量稍大于通常的遞推最小二乘法,卻比Karayiannis算法的計算量小。其次,提出一種新型混合算法用來辨識徑向基神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)和權(quán)值,有效地提高了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的辨識精度和泛化能力。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)作為另外一種常用的人工神經(jīng)網(wǎng)絡(luò)也是本文的研究目標。在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中,由于隱含層調(diào)整作用函數(shù)的參數(shù),采取非線性優(yōu)化方法,導(dǎo)致學(xué)習(xí)速度緩慢。造成學(xué)習(xí)速率慢的主要因素是由于其優(yōu)化策略的非線性,該非線性優(yōu)化算法主要是對隱層神經(jīng)元的作用函數(shù)進行調(diào)整。而且,徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程一般分為兩個層次進行,隱層采用自組織的學(xué)習(xí)方法,而輸出層用有導(dǎo)師的學(xué)習(xí)方法,所以整體是個混合的學(xué)習(xí)過程。在研究了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)原理,給出了一個優(yōu)選聚類算法,并讓其算法與正交最小二乘法與最優(yōu)化方法中梯度法相結(jié)合來給出一種最新混合算法,并用其進行辨識徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)和權(quán)值首先分析了徑向基函數(shù)神經(jīng)的工作過程、正交最小二乘法以及與之相關(guān)的最優(yōu)化算法,在此基礎(chǔ)上將提出的優(yōu)選聚類算法與梯度法相結(jié)合,提出了一種混合算法,并將該新型混合算法用于辨識徑向基神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),調(diào)整網(wǎng)絡(luò)權(quán)值和參數(shù)。通過控制聚類合理性函數(shù)的優(yōu)選聚類算法,為進一步精確辨識徑向基函數(shù)的參數(shù)和網(wǎng)絡(luò)的權(quán)值提供了可靠的基礎(chǔ)。采取新提出的混合算法辨識徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)和訓(xùn)練徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的權(quán)值,充分的提高了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的辨識精度和改進了其泛化能力將新型混合算法用于徑向基函數(shù)的結(jié)構(gòu)辨識、參數(shù)設(shè)置以及權(quán)值調(diào)整過程,大大提高了神經(jīng)網(wǎng)絡(luò)泛化能力,而且在其辨識精度上亦有較大改進。然后,基于改進的BP神經(jīng)網(wǎng)絡(luò)設(shè)計了連續(xù)攪拌反應(yīng)釜PID自校正控制方案,文中采用BP神經(jīng)網(wǎng)絡(luò)來調(diào)整PID控制器參數(shù),BP神經(jīng)網(wǎng)絡(luò)的逼近特性和自適應(yīng)能力大大改善了控制效果。通過仿真實例對基于BP神經(jīng)網(wǎng)絡(luò)設(shè)計的自適應(yīng)PID控制器性能和經(jīng)典的PID控制器性能進行比較,結(jié)果顯示：在相同的暫態(tài)響應(yīng)時間下,前者的超調(diào)量更小,而且控制器具有較小的輸出量。最后,基于改進的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分別設(shè)計了直接控制方案和自適應(yīng)控制方案。針對這兩種控制方案,分別進行了閉環(huán)系統(tǒng)的控制律設(shè)計和穩(wěn)定性分析。通過Lyapunov函數(shù)的分析方法可以看出,兩種控制方案都是漸近穩(wěn)定的。而且仿真實例進一步說明了控制方案的有效性�；谏窠�(jīng)網(wǎng)絡(luò)的連續(xù)攪拌反應(yīng)釜控制系統(tǒng)屬于智能控制的范疇。該類控制策略不需要掌握受控對象的精確數(shù)學(xué)模型,有較強的魯棒性,對噪聲干擾有較強的抑制能力,非常適合這種模型未知或多變的復(fù)雜控制系統(tǒng),具有較高的工業(yè)實用價值。
[Abstract]:In order to ensure the control quality of chemical process , it is very important to improve the control quality of chemical process . The main control parameters in this paper are as follows : temperature , pressure , liquid level , flow rate and concentration etc . The main control parameters in the process are temperature , pressure , liquid level , flow rate and concentration . In this paper , a new hybrid algorithm is proposed to identify the structure , parameter and weight of radial basis function neural network . Based on the improved radial basis function neural network , the direct control scheme and adaptive control scheme are designed respectively . According to the two control schemes , the control law design and the stability analysis of the closed - loop system are respectively carried out .

【學(xué)位授予單位】：東北石油大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP183;TQ052

【相似文獻】

相關(guān)期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報控制中的應(yīng)用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在鋼鐵工業(yè)中的應(yīng)用第8講人工神經(jīng)網(wǎng)絡(luò)在鋼鐵工業(yè)中的應(yīng)用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學(xué)軍,劉壯,王守儉;神經(jīng)網(wǎng)絡(luò)在冶金中的應(yīng)用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡(luò)及在多組分分析中的初步應(yīng)用[J];計算機與應(yīng)用化學(xué);2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡(luò)確定梁上裂紋位置的研究[J];煤炭學(xué)報;2000年S1期

6 趙學(xué)慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡(luò)狀態(tài)預(yù)報器的驗證[J];無錫輕工大學(xué)學(xué)報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡(luò)的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡(luò)在冶金工業(yè)中的應(yīng)用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡(luò)進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W(xué)校學(xué)報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡(luò)的穩(wěn)態(tài)優(yōu)化策略[J];材料科學(xué)與工程;2001年02期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號：1868267