近年來(lái),國(guó)內(nèi)外市場(chǎng)競(jìng)爭(zhēng)日趨激烈,使得生產(chǎn)企業(yè)對(duì)工業(yè)產(chǎn)品生產(chǎn)過(guò)程的控制性能提出了更高的要求,而實(shí)際工業(yè)生產(chǎn)過(guò)程通常具有較強(qiáng)的非線性、不確定性、耦合性、時(shí)變性等特點(diǎn),這些特性使得建立在線性系統(tǒng)理論的控制方法不再適用。因此,生產(chǎn)過(guò)程的非線性控制方法成為了過(guò)程控制領(lǐng)域的研究熱點(diǎn)。在現(xiàn)有的非線性控制方法中,由于神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性逼近能力、自學(xué)習(xí)能力,使得神經(jīng)網(wǎng)絡(luò)控制方法得到廣泛研究。然而,目前已經(jīng)提出的神經(jīng)網(wǎng)絡(luò)控制方法在實(shí)際工程應(yīng)用中存在較大局限性,主要表現(xiàn)在網(wǎng)絡(luò)參數(shù)初值的有效確定,當(dāng)網(wǎng)絡(luò)參數(shù)的初值設(shè)置不合理時(shí),這些方法較難獲得理想的控制效果。為此,本文以模型參考的神經(jīng)網(wǎng)絡(luò)控制方法為例,對(duì)網(wǎng)絡(luò)參數(shù)的有效確定問(wèn)題展開(kāi)研究,主要有以下幾方面內(nèi)容。首先,研究了模型參考神經(jīng)網(wǎng)絡(luò)控制方法的參數(shù)調(diào)節(jié)原理,分析了該方法的局限性,指出了局限性存在的原因,為后面章節(jié)的研究奠定了基礎(chǔ)。其次,在模型參考神經(jīng)網(wǎng)絡(luò)控制方法基礎(chǔ)上,提出了終點(diǎn)偏向神經(jīng)網(wǎng)絡(luò)控制方法。該方法先從訓(xùn)練網(wǎng)絡(luò)參數(shù)的目標(biāo)函數(shù)出發(fā),分別構(gòu)造了均方差和最大相關(guān)熵的終點(diǎn)偏向目標(biāo)函數(shù);同時(shí),為了避免傳統(tǒng)BP算法、LM算法易陷入局部極值、初值選取困難的缺陷... 

【文章來(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制原理框圖

圖 2-2 NARMA-L2 控制原理框圖Fig. 2-2 The block diagram of NARMA-L2 control圖 2-3 神經(jīng)網(wǎng)絡(luò)模型參考控制原理框圖Fig. 2-3 The block diagram of neural network model reference control參考控制被廣泛應(yīng)用于工程領(lǐng)域[58]，它是針對(duì)非線性不確定模型參考信號(hào)通常是一個(gè)基于計(jì)算機(jī)模擬的理想模型，通過(guò)號(hào)，調(diào)節(jié)二者的偏差，令被控對(duì)象的輸出信號(hào)跟隨參考模型文在模型參考控制方法的基礎(chǔ)上進(jìn)行研究與設(shè)計(jì)，通過(guò)最小差來(lái)調(diào)整網(wǎng)絡(luò)參數(shù)，由神經(jīng)網(wǎng)絡(luò)控制器確定出最佳的控制量

圖 2-3 神經(jīng)網(wǎng)絡(luò)模型參考控制原理框圖Fig. 2-3 The block diagram of neural network model reference control前，模型參考控制被廣泛應(yīng)用于工程領(lǐng)域[58]，它是針對(duì)非線性不確定性系。其中，模型參考信號(hào)通常是一個(gè)基于計(jì)算機(jī)模擬的理想模型，通過(guò)比較統(tǒng)輸出信號(hào)，調(diào)節(jié)二者的偏差，令被控對(duì)象的輸出信號(hào)跟隨參考模型的變因此，本文在模型參考控制方法的基礎(chǔ)上進(jìn)行研究與設(shè)計(jì)，通過(guò)最小化反信號(hào)的偏差來(lái)調(diào)整網(wǎng)絡(luò)參數(shù)，由神經(jīng)網(wǎng)絡(luò)控制器確定出最佳的控制量并輸，完成閉環(huán)控制過(guò)程。經(jīng)網(wǎng)絡(luò)辨識(shí)節(jié)介紹的三種控制方法都有各自的優(yōu)勢(shì)和劣勢(shì)，不存在適用于任何系統(tǒng)對(duì)于一個(gè)未知非線性系統(tǒng)，實(shí)現(xiàn)有效控制的第一步均是通過(guò)神經(jīng)網(wǎng)絡(luò)辨識(shí)系統(tǒng)模型。統(tǒng)的系統(tǒng)辨識(shí)方法需要預(yù)先確定系統(tǒng)模型的結(jié)構(gòu)與階次，將模型的建立立，常用來(lái)進(jìn)行線性系統(tǒng)的辨識(shí)，而對(duì)于未知的非線性系統(tǒng)模型的辨識(shí)則顯


本文編號(hào)：3132299