本文選題：非線性系統(tǒng) + 神經(jīng)網(wǎng)絡(luò)辨識�。� 參考：《華北電力大學(xué)(北京)》2017年碩士論文

【摘要】：非線性系統(tǒng)的建模與控制問題一直以來都是控制領(lǐng)域研究的重點與難點。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的非線性逼近能力,被廣泛應(yīng)用在系統(tǒng)的辨識建模、控制、優(yōu)化等問題中。同時,很多實際系統(tǒng)中都存在隨機(jī)噪聲且都無法避免它的影響。因此,含有噪聲系統(tǒng)的辨識與控制問題成為了神經(jīng)網(wǎng)絡(luò)辨識與控制中的一個難點問題。前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單、可塑性強(qiáng),在函數(shù)逼近、模式識別、信息分類及數(shù)據(jù)壓縮等領(lǐng)域得到廣泛的應(yīng)用。本文重點介紹了反向傳播(BP)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及學(xué)習(xí)算法及BP神經(jīng)網(wǎng)絡(luò)在自適應(yīng)控制中的應(yīng)用。但由于前饋神經(jīng)網(wǎng)絡(luò)在處理非線性動態(tài)系統(tǒng)的辨識與控制中存在一定的缺陷,所以本文也研究了遞歸神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),并重點介紹了離散狀態(tài)空間神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及學(xué)習(xí)算法,并把它用于非線性系統(tǒng)的辨識中。另一方面,誤差糾正學(xué)習(xí)算法在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)中廣為應(yīng)用。訓(xùn)練準(zhǔn)則一般都是誤差的函數(shù),傳統(tǒng)的最小均方誤差準(zhǔn)則僅考慮誤差的二階矩,在非線性或非高斯情形下,其訓(xùn)練性能變得不盡人意。信息測度能夠很好的刻畫隨機(jī)變量的不確定性,因此本文詳細(xì)介紹了熵、信息勢、生存信息勢等新的測度,并把它們應(yīng)用于神經(jīng)網(wǎng)絡(luò)的辨識與控制中。最后,對于有機(jī)朗肯循環(huán)(ORC)系統(tǒng)中的過熱度控制問題,應(yīng)用了基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制方法。在實際的ORC過程中煙氣的品質(zhì)將會對蒸發(fā)器出口的溫度產(chǎn)生影響,而影響煙氣品質(zhì)的煙氣的入口溫度、煙氣流量等擾動因素未必服從高斯分布。本文提出了基于生存信息勢的神經(jīng)網(wǎng)絡(luò)辨識與神經(jīng)網(wǎng)絡(luò)控制,從而保證跟蹤誤差的隨機(jī)性最小。
[Abstract]:Modeling and control of nonlinear systems has always been the focus and difficulty in the field of control. Neural network is widely used in system identification modeling, control and optimization for its powerful nonlinear approximation ability. At the same time, many real systems have random noise and can not avoid its influence. Therefore, the identification and control of noisy systems has become a difficult problem in neural network identification and control. The feedforward neural network structure is simple and flexible, and it is widely used in the fields of function approximation, pattern recognition, information classification and data compression. In this paper, the structure and learning algorithm of BP neural network and the application of BP neural network in adaptive control are introduced. However, there are some defects in the identification and control of nonlinear dynamic systems by feedforward neural networks, so the structure of recurrent neural networks is also studied, and the structure and learning algorithm of discrete state space neural networks are introduced. It is applied to the identification of nonlinear systems. On the other hand, error correction learning algorithm is widely used in training and learning of neural networks. The training criterion is generally a function of error. The traditional minimum mean square error criterion only considers the second moment of error. In the case of nonlinear or non-Gao Si, the training performance becomes unsatisfactory. Information measure can well describe the uncertainty of random variables, so this paper introduces some new measures, such as entropy, information potential, survival information potential and so on, and applies them to the identification and control of neural networks. Finally, the adaptive control method based on neural network is applied to the superheat control problem in the organic Rankine circulatory control (ORC) system. In the actual ORC process, the quality of flue gas will affect the outlet temperature of evaporator, while the inlet temperature and flow rate of flue gas, which affect the quality of flue gas, may not be distributed from Gao Si. In this paper, neural network identification and neural network control based on survival information potential are proposed to ensure the minimum randomness of tracking error.
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP183;TP273

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

3 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機(jī)工程與應(yīng)用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

7 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機(jī)信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03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(jī)遇——紀(jì)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(jìn);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(yuǎn);萬強(qiáng);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(dá)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(hù)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(jī)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(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機(jī)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(xiàn)懷;干細(xì)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(dá)國際先進(jìn)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(jī)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(jī)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 周書清;基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識與控制[D];華北電力大學(xué)(北京);2017年

2 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

3 賈文靜;基于改進(jìn)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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

，

本文編號：1871020