非線性模型預測控制已經(jīng)成為控制理論界和工業(yè)界的研究熱點,神經(jīng)網(wǎng)絡以其能夠學習和適應非線性系統(tǒng)的特點,使得基于神經(jīng)網(wǎng)絡的非線性預測控制受到學者們的廣泛關注。本文針對基于神經(jīng)網(wǎng)絡的非線性預測控制存在的遞推預測導致精度降低、預測模型難以適應時變系統(tǒng)的問題,提出了基于多步預測誤差指標函數(shù)的非線性預測控制算法;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;基于改進的修剪型神經(jīng)網(wǎng)絡模型和改進的時間窗在線建模方法,提出了一種自適應預測控制算法。所提出的算法取得了滿意的仿真結果。論文的工作包括以下幾個方面:針對神經(jīng)網(wǎng)絡預測模型對系統(tǒng)輸出進行多步預測時效果差的問題,根據(jù)面向控制的系統(tǒng)辨識思想,提出了一種適合于預測控制的多步預測誤差指標函數(shù)(Multi-Step Predictive Error Index Function,MSPEIF);然后針對神經(jīng)網(wǎng)絡常出現(xiàn)的過擬合問題,在目標函數(shù)中加入正則化項,提出了多步預測誤差及正則化指標函數(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 模型預測控制基本原理
    1.3 神經(jīng)網(wǎng)絡預測控制
    1.4 論文主要內容及結構安排
第2章 神經(jīng)網(wǎng)絡基礎知識
    2.1 前饋神經(jīng)網(wǎng)絡
    2.2 遞歸神經(jīng)網(wǎng)絡
        2.2.1 對角遞歸神經(jīng)網(wǎng)絡概述
        2.2.2 基于粒子群優(yōu)化算法的對角遞歸神經(jīng)網(wǎng)絡
    2.3 本章小結
第3章 基于MSPERIF的神經(jīng)網(wǎng)絡預測控制研究
    3.1 基于BP神經(jīng)網(wǎng)絡的預測控制概述
        3.1.1 BP神經(jīng)網(wǎng)絡預測模型
        3.1.2 BP神經(jīng)網(wǎng)絡預測控制器設計
    3.2 基于MSPERIF的神經(jīng)網(wǎng)絡預測控制
        3.2.1 問題分析
        3.2.2 基于MSPERIF的神經(jīng)網(wǎng)絡預測模型
        3.2.3 反饋校正
        3.2.4 控制器設計
    3.3 仿真研究
        3.3.1 建模仿真
        3.3.2 預測控制仿真
    3.4 本章小結
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
第5章 基于修剪型DRNN的自適應預測控制研究
    5.1 神經(jīng)網(wǎng)絡結構確定方法概述
    5.2 基于相關性分析的剪枝對角遞歸神經(jīng)網(wǎng)絡
    5.3 基于改進滑動窗口的預測模型在線校正
    5.4 仿真研究
        5.4.1 建模仿真
        5.4.2 預測控制仿真
    5.5 本章小結
總結與展望
參考文獻
攻讀碩士學位期間取得的學術成果
致謝



本文編號：3857500