隨著當今現(xiàn)代化工業(yè)生產(chǎn)的迅猛發(fā)展,實際工藝生產(chǎn)過程具有復雜性,非線性,工作地點多變性,強耦合性,控制性能要求過高等特點,使我們想要通過機理模型來掌握被控過程中各變量之間的相互關(guān)系變得更加困難,成本也隨之提高。而非線性系統(tǒng)一般時變性以及不確定性較強,單一的模型結(jié)構(gòu)往往無法對全局系統(tǒng)進行準確地描述,為這種全局的辨識過程增添了多種困難。因此,本文以非線性系統(tǒng)作為研究對象,直接從系統(tǒng)的輸入輸出數(shù)據(jù)出發(fā),基于局部學習理論,提出了基于即時學習算法的非線性系統(tǒng)在線優(yōu)化的控制方法。本文對比了幾類常用的數(shù)據(jù)驅(qū)動策略方法,最終選取了即時學習算法來實現(xiàn)在線局部建模的任務。即時學習算法是基于“相似輸入產(chǎn)生相似輸出”的思想,通過對該算法的相似度指標,數(shù)據(jù)更新搜索策略進行改進,從而實現(xiàn)對未知系統(tǒng)僅依靠系統(tǒng)數(shù)據(jù)即可進行局部建模。即時學習算法可以使非線性系統(tǒng)的辨識及控制更加精準,提高了運算速率。針對可利用的大量輸入輸出數(shù)據(jù)的非線性系統(tǒng),結(jié)合局部模型在線辨識以及神經(jīng)網(wǎng)絡逆控制思想設計了一種控制器方案。從系統(tǒng)的輸入輸出數(shù)據(jù)出發(fā),基于優(yōu)化的性能指標,得到當前逆控制器的輸出值。再次建立正向模型,設計正向優(yōu)化控制器,能夠達到跟... 

【文章來源】：遼寧石油化工大學遼寧省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

單機無窮大系統(tǒng)仿真結(jié)果圖

3.1.1 即使算法問題描述即時學習算法其實是一種典型的在線進行局部學習方法，這一類型的模型算法全不依賴離線模式，直至當前出現(xiàn)一個新的工況點時在處理數(shù)據(jù)即可。這種處理手與其他非線性問題不同，比其他更優(yōu)的是分析問題方面。通常來說，在即學習建模大框架下，所呈現(xiàn)出局部結(jié)構(gòu)，只有之前的歷史數(shù)據(jù)庫以及用于最新當前工況點相的一個子集合來用于模型的搭建。正是由于這個原因，它才能更好的處理非線性系相關(guān)問題和有效的追蹤突變情況。即時學習算法的主要思想是基于 相似輸入以產(chǎn)生相似輸出 的原則。其實現(xiàn)方式是根據(jù)記憶在存儲器中的樣本數(shù)據(jù)，利用輸入樣點，在數(shù)據(jù)庫儲存器中找到與距離最近 的樣本數(shù)據(jù)，在通過這些數(shù)據(jù)得到該輸入的對應輸出點。一般多用距離數(shù)來進行判斷。可知，與輸入樣本數(shù)據(jù)最近的那些數(shù)據(jù)間的相似程度比較高。圖是一種簡明的即時學習算法局部線性多項式擬合方法。


本文編號：2978357