基于神經(jīng)網(wǎng)絡(luò)及PSO的非線性預(yù)測控制算法研究
發(fā)布時間:2023-10-28 18:04
非線性模型預(yù)測控制已經(jīng)成為控制理論界和工業(yè)界的研究熱點(diǎn),神經(jīng)網(wǎng)絡(luò)以其能夠?qū)W習(xí)和適應(yīng)非線性系統(tǒng)的特點(diǎn),使得基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制受到學(xué)者們的廣泛關(guān)注。本文針對基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制存在的遞推預(yù)測導(dǎo)致精度降低、預(yù)測模型難以適應(yīng)時變系統(tǒng)的問題,提出了基于多步預(yù)測誤差指標(biāo)函數(shù)的非線性預(yù)測控制算法;針對局部最優(yōu)問題提出了雙種群分工合作粒子群優(yōu)化算法;基于改進(jìn)的修剪型神經(jīng)網(wǎng)絡(luò)模型和改進(jìn)的時間窗在線建模方法,提出了一種自適應(yīng)預(yù)測控制算法。所提出的算法取得了滿意的仿真結(jié)果。論文的工作包括以下幾個方面:針對神經(jīng)網(wǎng)絡(luò)預(yù)測模型對系統(tǒng)輸出進(jìn)行多步預(yù)測時效果差的問題,根據(jù)面向控制的系統(tǒng)辨識思想,提出了一種適合于預(yù)測控制的多步預(yù)測誤差指標(biāo)函數(shù)(Multi-Step Predictive Error Index Function,MSPEIF);然后針對神經(jīng)網(wǎng)絡(luò)常出現(xiàn)的過擬合問題,在目標(biāo)函數(shù)中加入正則化項(xiàng),提出了多步預(yù)測誤差及正則化指標(biāo)函數(shù)(Multi-Step Predictive Error and Regularization Index Function,MSPERIF),在一定程度上提高神經(jīng)網(wǎng)...
【文章頁數(shù)】:81 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 引言
1.2 模型預(yù)測控制基本原理
1.3 神經(jīng)網(wǎng)絡(luò)預(yù)測控制
1.4 論文主要內(nèi)容及結(jié)構(gòu)安排
第2章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識
2.1 前饋神經(jīng)網(wǎng)絡(luò)
2.2 遞歸神經(jīng)網(wǎng)絡(luò)
2.2.1 對角遞歸神經(jīng)網(wǎng)絡(luò)概述
2.2.2 基于粒子群優(yōu)化算法的對角遞歸神經(jīng)網(wǎng)絡(luò)
2.3 本章小結(jié)
第3章 基于MSPERIF的神經(jīng)網(wǎng)絡(luò)預(yù)測控制研究
3.1 基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測控制概述
3.1.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型
3.1.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測控制器設(shè)計
3.2 基于MSPERIF的神經(jīng)網(wǎng)絡(luò)預(yù)測控制
3.2.1 問題分析
3.2.2 基于MSPERIF的神經(jīng)網(wǎng)絡(luò)預(yù)測模型
3.2.3 反饋校正
3.2.4 控制器設(shè)計
3.3 仿真研究
3.3.1 建模仿真
3.3.2 預(yù)測控制仿真
3.4 本章小結(jié)
第4章 基于分工合作的粒子群優(yōu)化算法研究
4.1 粒子群優(yōu)化算法
4.1.1 粒子群優(yōu)化算法概述
4.1.2 幾種改進(jìn)的粒子群優(yōu)化算法
4.2 基于雙種群分工合作的粒子群優(yōu)化算法
4.3 仿真研究
4.3.1 粒子群優(yōu)化算法仿真
4.3.2 建模仿真
4.4 本章小結(jié)
第5章 基于修剪型DRNN的自適應(yīng)預(yù)測控制研究
5.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定方法概述
5.2 基于相關(guān)性分析的剪枝對角遞歸神經(jīng)網(wǎng)絡(luò)
5.3 基于改進(jìn)滑動窗口的預(yù)測模型在線校正
5.4 仿真研究
5.4.1 建模仿真
5.4.2 預(yù)測控制仿真
5.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號:3857500
【文章頁數(shù)】:81 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 引言
1.2 模型預(yù)測控制基本原理
1.3 神經(jīng)網(wǎng)絡(luò)預(yù)測控制
1.4 論文主要內(nèi)容及結(jié)構(gòu)安排
第2章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識
2.1 前饋神經(jīng)網(wǎng)絡(luò)
2.2 遞歸神經(jīng)網(wǎng)絡(luò)
2.2.1 對角遞歸神經(jīng)網(wǎng)絡(luò)概述
2.2.2 基于粒子群優(yōu)化算法的對角遞歸神經(jīng)網(wǎng)絡(luò)
2.3 本章小結(jié)
第3章 基于MSPERIF的神經(jīng)網(wǎng)絡(luò)預(yù)測控制研究
3.1 基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測控制概述
3.1.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型
3.1.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測控制器設(shè)計
3.2 基于MSPERIF的神經(jīng)網(wǎng)絡(luò)預(yù)測控制
3.2.1 問題分析
3.2.2 基于MSPERIF的神經(jīng)網(wǎng)絡(luò)預(yù)測模型
3.2.3 反饋校正
3.2.4 控制器設(shè)計
3.3 仿真研究
3.3.1 建模仿真
3.3.2 預(yù)測控制仿真
3.4 本章小結(jié)
第4章 基于分工合作的粒子群優(yōu)化算法研究
4.1 粒子群優(yōu)化算法
4.1.1 粒子群優(yōu)化算法概述
4.1.2 幾種改進(jìn)的粒子群優(yōu)化算法
4.2 基于雙種群分工合作的粒子群優(yōu)化算法
4.3 仿真研究
4.3.1 粒子群優(yōu)化算法仿真
4.3.2 建模仿真
4.4 本章小結(jié)
第5章 基于修剪型DRNN的自適應(yīng)預(yù)測控制研究
5.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定方法概述
5.2 基于相關(guān)性分析的剪枝對角遞歸神經(jīng)網(wǎng)絡(luò)
5.3 基于改進(jìn)滑動窗口的預(yù)測模型在線校正
5.4 仿真研究
5.4.1 建模仿真
5.4.2 預(yù)測控制仿真
5.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號:3857500
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3857500.html
最近更新
教材專著