工業(yè)系統(tǒng)由于外部干擾及本身具有的非線性因素,系統(tǒng)內(nèi)的變量通常是非高斯分布的,這給系統(tǒng)辨識(shí)和控制帶來(lái)了一定難度。隨著隨機(jī)分布理論的不斷發(fā)展,針對(duì)非高斯系統(tǒng)提出了很多行之有效的算法理論。神經(jīng)網(wǎng)絡(luò)具有很好的逼近和分類能力,在系統(tǒng)辨識(shí)和控制上得到了廣泛應(yīng)用。超限學(xué)習(xí)機(jī)作為神經(jīng)網(wǎng)絡(luò)的一種,在對(duì)數(shù)據(jù)訓(xùn)練過(guò)程中由于不需迭代調(diào)整網(wǎng)絡(luò)權(quán)重,實(shí)現(xiàn)最小訓(xùn)練誤差的同時(shí)能夠保證輸出權(quán)重范數(shù)最小,因而具有學(xué)習(xí)速度快、泛化性能好的特點(diǎn)。本文將超限學(xué)習(xí)機(jī)算法用于有機(jī)朗肯循環(huán)（ORC-Organic Rankine Cycle）系統(tǒng)中工質(zhì)泵轉(zhuǎn)速到過(guò)熱度段的辨識(shí),同時(shí)考慮了煙氣溫度和煙氣質(zhì)量流量對(duì)系統(tǒng)輸出的非高斯干擾,通過(guò)與最小二乘支持向量機(jī)在訓(xùn)練時(shí)間和辨識(shí)精度方面的對(duì)比,凸顯了超限學(xué)習(xí)機(jī)辨識(shí)法的優(yōu)勢(shì)。此外,本文還研究了非高斯系統(tǒng)的輸出形狀控制問(wèn)題,也稱作隨機(jī)分布控制問(wèn)題。首先,針對(duì)帶有非高斯噪聲影響的非線性多變量隨機(jī)系統(tǒng),基于兩步神經(jīng)網(wǎng)絡(luò)框架,先利用RBF（Radial Basis Function）神經(jīng)網(wǎng)絡(luò)對(duì)輸出PDF（Probability Density Function）逼近后,再利用動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)辨識(shí)得到權(quán)向量... 

【文章來(lái)源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景及意義
    1.2 基于數(shù)據(jù)驅(qū)動(dòng)的隨機(jī)分布理論在非高斯系統(tǒng)中的研究現(xiàn)狀
    1.3 信息論在非高斯系統(tǒng)中的研究現(xiàn)狀
        1.3.1 熵在非高斯系統(tǒng)中的研究現(xiàn)狀
        1.3.2 生存信息勢(shì)在非高斯系統(tǒng)中的研究現(xiàn)狀
    1.4 本文主要研究?jī)?nèi)容
第2章 辨識(shí)方法與準(zhǔn)則函數(shù)
    2.1 引言
    2.2 辨識(shí)方法
        2.2.1 超限學(xué)習(xí)機(jī)辨識(shí)法
        2.2.2 動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)辨識(shí)法
        2.2.3 子空間辨識(shí)法
    2.3 準(zhǔn)則函數(shù)
        2.3.1 Renyi熵及信息勢(shì)
        2.3.2 生存信息勢(shì)
    2.4 本章小結(jié)
第3章 基于超限學(xué)習(xí)機(jī)的ORC系統(tǒng)過(guò)熱度辨識(shí)
    3.1 引言
    3.2 預(yù)備知識(shí)
        3.2.1 Moore-Penrose廣義逆
        3.2.2 最小范數(shù)最小二乘解
    3.3 基于超限學(xué)習(xí)機(jī)的辨識(shí)算法
        3.3.1 廣義單隱層前饋網(wǎng)絡(luò)（SLFNs）
        3.3.2 SLFNs的最小范數(shù)最小二乘解
    3.4 應(yīng)用實(shí)例
    3.5 本章小結(jié)
第4章 基于SIP的兩步神經(jīng)網(wǎng)絡(luò)隨機(jī)分布控制
    4.1 引言
    4.2 兩步神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 基于徑向基神經(jīng)網(wǎng)絡(luò)的PDF建模
        4.2.2 動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)辨識(shí)
    4.3 基于SIP的控制器設(shè)計(jì)
    4.4 應(yīng)用實(shí)例
    4.5 本章小結(jié)
第5章 控制輸入受限的分子量分布子空間辨識(shí)與控制
    5.1 引言
    5.2 苯乙烯聚合過(guò)程建模及控制方案
    5.3 基于子空間辨識(shí)法的MWD建模
        5.3.1 MWD模型的B樣條逼近
        5.3.2 MWD的子空間辨識(shí)
    5.4 帶約束最優(yōu)控制律設(shè)計(jì)
    5.5 應(yīng)用實(shí)例
    5.6 本章小結(jié)
第6章 結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝
附錄-子空間辨識(shí)法的狀態(tài)序列估計(jì)


【參考文獻(xiàn)】：
博士論文
[1]非高斯系統(tǒng)的控制及濾波方法研究[D]. 任密蜂.華北電力大學(xué) 2014



本文編號(hào)：3154202