在實(shí)際的工業(yè)生產(chǎn)中,復(fù)雜的非線性系統(tǒng)往往具有一個(gè)甚至多個(gè)非線性環(huán)節(jié),并且常常伴隨著外界干擾、子系統(tǒng)動(dòng)態(tài)變化、系統(tǒng)參數(shù)跳變等問(wèn)題的發(fā)生,這將會(huì)使得系統(tǒng)的控制變得困難。傳統(tǒng)的自適應(yīng)控制方法無(wú)法對(duì)這類復(fù)雜的非線性系統(tǒng)進(jìn)行有效的控制,而多模型自適應(yīng)控制(Multiple Model Adaptive Control,MMAC)方法為這類復(fù)雜非線性系統(tǒng)的控制提供了一個(gè)很好的解決思路。因此,本文利用MMAC方法理論解決了一類復(fù)雜非線性系統(tǒng)中存在系統(tǒng)參數(shù)未知,系統(tǒng)參數(shù)跳變時(shí)的控制問(wèn)題以及MMAC中子模型過(guò)多導(dǎo)致系統(tǒng)計(jì)算量增大的問(wèn)題。具體研究如下:1.針對(duì)一類參數(shù)未知的非線性離散時(shí)間動(dòng)態(tài)系統(tǒng),提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的MMAC方法。首先,將系統(tǒng)分為線性部分和非線性部分。針對(duì)系統(tǒng)線性部分采用局部化方法建立多個(gè)固定模型覆蓋系統(tǒng)的參數(shù)范圍,在此基礎(chǔ)上,建立自適應(yīng)模型來(lái)提高系統(tǒng)性能;針對(duì)系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型來(lái)逼近系統(tǒng)的非線性。然后,針對(duì)每個(gè)子模型設(shè)計(jì)相應(yīng)的控制器。最后,設(shè)計(jì)基于誤差范數(shù)形式的性能指標(biāo)函數(shù)對(duì)控制器進(jìn)行硬切換。仿真結(jié)果表明,所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MM... 

【文章來(lái)源】：蘭州理工大學(xué)甘肅省

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

典型的MMAC系統(tǒng)結(jié)構(gòu)框圖

碩士學(xué)位論文( ) ( ( 1), , ( ); ( 1), , ( ))m my t f y t y t n u t u t m入取為X (t ) y (t 1), , y (t n ); u (t 1), , u (t m) ，輸數(shù)取為 log sigmoid函數(shù)，即：1( )1xf xe 導(dǎo)數(shù)為： '2( )1xxef xe 性系統(tǒng)辨識(shí)的 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如下圖 2.1 所示：

T [2.6, 1.2,1,0.5]，所建立的固定模型參數(shù)i ， i 1,2, ,h按照下面變化，則：0101[2.0,2.2,2.4,2.6,2.8,3.0][ 2.0, 1.6, 1.2, 0.8, 0.4,0.0][0.0,0.4,0.8,1.2,1.6,2.0][0.0,0.2,0.4,0.6,0.8,1.0]aabb （3可知，基于局部化方法一共建立 1296 個(gè)固定模型，不妨令 2ir 即可建模的半徑要求。所建立的兩個(gè)自適應(yīng)模型和神經(jīng)網(wǎng)絡(luò)模型的初始參T[2, 1,0.6,1]。對(duì)系統(tǒng)的非線性部分分別采用第 3 章 3、4 小節(jié)所介紹的 BP 神經(jīng)網(wǎng)經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行辨識(shí)。輸入層節(jié)點(diǎn)為 y (t ), y (t 1); u (t ), u (t 1) ，輸出層 )t ，基于 3 層結(jié)構(gòu)的 BP 神經(jīng)網(wǎng)絡(luò)其參數(shù)的選擇為：隱含層節(jié)點(diǎn)個(gè)數(shù)取習(xí)速率 0.6，并取動(dòng)量項(xiàng)因子 0.05�；� RBF 神經(jīng)網(wǎng)絡(luò)其參數(shù)的含層節(jié)點(diǎn)個(gè)數(shù)取值為 8，學(xué)習(xí)速率 0.8，并取動(dòng)量項(xiàng)因子 0.05。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)仿射傳播的多模型軟測(cè)量建模及應(yīng)用研究[J]. 熊偉麗,葛祥振,徐保國(guó).  信息與控制. 2018(02)
[2]一類工業(yè)運(yùn)行過(guò)程多模型自適應(yīng)控制方法[J]. 富月,杜瓊.  自動(dòng)化學(xué)報(bào). 2018(07)
[3]基于切換的多模型二階段自適應(yīng)控制器設(shè)計(jì)[J]. 王振雷,毛福興,王昕.  控制與決策. 2018(01)
[4]基于RBF神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)組系統(tǒng)辨識(shí)研究[J]. 楊震宇,王青,魏新剛,應(yīng)有,孫勇.  機(jī)電工程. 2017(06)
[5]非線性多變量零階接近有界系統(tǒng)的多模型自適應(yīng)控制[J]. 黃淼,王昕,王振雷.  自動(dòng)化學(xué)報(bào). 2014(09)
[6]一類非線性系統(tǒng)的基于時(shí)間序列的多模型自適應(yīng)控制[J]. 黃淼,王昕,王振雷.  自動(dòng)化學(xué)報(bào). 2013(05)
[7]基于輸入輸出數(shù)據(jù)的一體化多模型建模與控制[J]. 吳一鳴,雷虎民,邵雷,劉代軍.  電光與控制. 2011(08)
[8]基于數(shù)據(jù)的多模型分?jǐn)?shù)階PID控制方法[J]. 廖勇,麻信洛,齊俊杰,蘇錫亮.  北京理工大學(xué)學(xué)報(bào). 2011(05)
[9]一種基于差分進(jìn)化算法的多模型建模方法[J]. 李慶良,雷虎民,邵雷,陳治湘.  控制與決策. 2010(12)
[10]基于神經(jīng)網(wǎng)絡(luò)和多模型的非線性離散自適應(yīng)控制[J]. 王大海,王昕,王振雷,錢鋒.  計(jì)算機(jī)與應(yīng)用化學(xué). 2010(10)

博士論文
[1]非線性離散時(shí)間系統(tǒng)多模型自適應(yīng)控制策略研究[D]. 黃淼.華東理工大學(xué) 2015
[2]熱工過(guò)程多模型控制理論與方法的研究[D]. 郭啟剛.華北電力大學(xué)（河北） 2007

碩士論文
[1]多模型自適應(yīng)控制在過(guò)熱氣溫控制系統(tǒng)中的應(yīng)用研究[D]. 于紅霞.東北大學(xué) 2008
[2]多模型自適應(yīng)控制及其在熱工過(guò)程中的應(yīng)用[D]. 左燕.華北電力大學(xué)（北京） 2003



本文編號(hào)：2936122