| 【中文题名】 | 不确定对象控制器参数自整定与优化设计研究 |
| 【英文题名】 | Research on Optimization Design and Parameter Self-Tuning of Controllers for Plants with Uncertainties |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-4-4 |
| 【中关键词】 | 神经元控制,不确定对象,参数自整定,微粒群优化算法,控制器优化设计, |
| 【英关键词】 | neuron control,plants with uncertainty,self-tuning parameters,particle swarm optimization （PSO） algorithm,Optimization, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动控制理论>> |
| 【论文摘要】 | 不确定对象的控制系统设计是控制理论的一个前沿领域。本文针对不确定对象,提出了多种控制器参数自整定方法及基于PSO算法的控制器优化设计方法,并进行仿真实验,验证了所提出的方法的有效性。本文的主要内容如下:
1.针对具有多模型特性的对象,提出了一种神经元参数自整定PID控制方法和一种PSO-神经元参数自整定PID控制方法。采用自学习和关联搜索的方式,神经元根据对象的动态特性在线调整PID控制器的参数,前者PID控制器参数初值可以随机确定,后者的则通过PSO算法进行优化计算给出。以多纸种造纸机为背景的仿真试验表明,所提出的控制方法达到了满意的控制效果。
2.针对具有严重不确定性的被控对象,提出了一种模糊参数自整定的神经元控制方法,该方法将神经元与模糊运算相结合,采用模糊算法在线整定神经元前馈PI控制器参数。以水轮发电机组为背景进行仿真实验,实验结果证明了所提出的控制方法的有效性以及很强的鲁棒性、很好的控制品质。
3.将微粒群算法(PSO)用于控制器的优化设计,分别提出了基于PSO算法的控制器参数离线优化整定方法,基于PSO算法的控制器在线整定方法,以及基于递进PSO算法的控... |
| 【论文题纲】 |
|
前言 |
3-4 |
|
摘要 |
4-5 |
|
Abstract |
5-6 |
|
目录 |
6-8 |
|
第一章 绪论 |
8-14 |
|
1.1 引言 |
8-9 |
|
1.2 神经网络控制 |
9-12 |
|
1.3 进化算法与智能控制的融合 |
12-13 |
|
1.4 本文的工作 |
13-14 |
|
第二章 神经元非模型控制及微粒群优化算法 |
14-24 |
|
2.1 神经元非模型控制基本理论 |
14-17 |
|
2.2 微粒群优化算法 |
17-22 |
|
2.2.1 原始微粒群算法原理 |
18-19 |
|
2.2.2 标准粒子群优化算法 |
19-20 |
|
2.2.3 粒子群优化算法参数选取 |
20-22 |
|
2.3 PSO算法的设计步骤 |
22-23 |
|
2.3.1 PSO算法设计步骤 |
22-23 |
|
2.3.2 标准PSO算法计算步骤 |
23 |
|
2.4 小结 |
23-24 |
|
第三章 神经元参数自整定PID控制 |
24-37 |
|
3.1 引言 |
24-25 |
|
3.2 PID控制原理及参数整定 |
25-26 |
|
3.2.1 PID控制器 |
25-26 |
|
3.2.2 PID控制器参数整定 |
26 |
|
3.3 神经元的参数自整定PID控制 |
26-28 |
|
3.3.1 控制器结构 |
26-27 |
|
3.3.2 神经元在线调整PID控制器参数 |
27-28 |
|
3.3.3 PID控制器算法 |
28 |
|
3.4 仿真试验及结果分析 |
28-33 |
|
3.4.1 多纸种造纸机动态特性描述 |
28-31 |
|
3.4.2 仿真实验与结果 |
31-33 |
|
3.5 PSO-神经元参数自整定PID控制 |
33-36 |
|
3.5 小结 |
36-37 |
|
第四章 模糊参数自整定的神经元控制 |
37-52 |
|
4.1 引言 |
37-38 |
|
4.2 解析式表达的模糊推理 |
38-39 |
|
4.3 模糊增益自整定算法的神经元控制 |
39-41 |
|
4.3.1 神经元前馈PI控制器 |
39-40 |
|
4.3.2 模糊参数自整定神经元控制 |
40-41 |
|
4.4 仿真实验与结果 |
41-51 |
|
4.4.1 水轮发电机组的动态特性 |
41-46 |
|
4.4.2 仿真实验 |
46-51 |
|
4.5 小结 |
51-52 |
|
第五章 基于PSO算法的控制器优化设计 |
52-69 |
|
5.1 引言 |
52-53 |
|
5.2 控制器参数优化问题描述 |
53 |
|
5.3 基于PSO算法的控制器参数离线优化整定 |
53-57 |
|
5.3.1 神经元PID控制器 |
53-54 |
|
5.3.2 基于PSO算法的控制器参数整定 |
54-55 |
|
5.3.3 仿真实验与结果 |
55-57 |
|
5.4 基于PSO算法的控制器参数在线优化整定 |
57-64 |
|
5.4.1 PSO算法在线参数整定原理 |
57-60 |
|
5.4.2 基于径向基函数(RBF)的系统辨识 |
60-61 |
|
5.4.3 仿真试验与结果 |
61-64 |
|
5.5 基于递进式PSO算法的控制器参数整定法 |
64-68 |
|
5.5.1 递进式PSO算法描述 |
64-65 |
|
5.5.2 算法的流程 |
65-66 |
|
5.5.3 仿真实验与结果 |
66-68 |
|
5.6 小结 |
68-69 |
|
结束语 |
69-70 |
|
参考文献 |
70-78 |
|
作者在攻读硕士学位期间完成和发表的论文及被EI收录的情况 |
78-79 |
|
作者在攻读硕士期间参加的科研工作 |
79-80 |
|
作者简介 |
80 |
|
| 【DOI】 | LunWen.ID:2.2008.387681 |
