| 【中文题名】 | 基于神经网络的非线性预测控制研究及其应用 |
| 【英文题名】 | Research and Application of Predictive Control for Nonlinear Systems Based on Neural Network |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-23 |
| 【中关键词】 | 广义预测控制（GPC）,神经网络,在线学习,协调系统,, |
| 【英关键词】 | General predictive control,neural networks,on-line learning, |
| 【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】 |
本篇文章提出了一种针对一类非线性离散系统的BP神经网络预测控制算法,算法的控制律是从广义预测控制的性能函数最小化推导出来的。文章中的实时自适应预测控制策略包括一个神经网络预测器和一个神经网络预测控制器,预测器和控制器的自适应律都是建立在Lyapunov稳定性定理的基础之上。本文详细描述了神经网络预测器模型和神经网络预测控制器模型及其在线学习的推导过程,给出了预测器和控制器的自适应学习率选取的范围。仿真结果证实了所提出算法能够提供满意的跟踪性能。 |
| 【论文题纲】 |
|
中文摘要 |
3 |
|
英文摘要 |
3-6 |
|
第一章 绪论 |
6-22 |
|
1.1 课题意义 |
6 |
|
1.2 课题的研究背景与发展概况 |
6-20 |
|
1.2.1 预测控制理论 |
6-14 |
|
1.2.1.1 预测控制产生的原因及背景 |
7 |
|
1.2.1.2 预测控制的发展 |
7-9 |
|
1.2.1.3 预测控制的分类 |
9-10 |
|
1.2.1.4 预测控制的基本原理及其特点 |
10-13 |
|
1.2.1.5 有待解决的问题 |
13-14 |
|
1.2.2 神经网络理论 |
14-18 |
|
1.2.2.1 神经网络发展概况 |
14 |
|
1.2.2.2 神经网络的结构与类型 |
14-15 |
|
1.2.2.3 神经网络的学习方式 |
15-17 |
|
1.2.2.4 神经网络的主要特点 |
17-18 |
|
1.2.3 神经网络预测控制在非线性系统中的应用 |
18-20 |
|
1.3 本文的主要工作 |
20-22 |
|
第二章 神经网络预测控制 |
22-44 |
|
2.1 引言 |
22 |
|
2.2 基于神经网络的多步预测 |
22-28 |
|
2.2.1 基于神经网络的系统输出预测 |
22-24 |
|
2.2.2 基于神经网络的多步预测 |
24-28 |
|
2.2.2.1 递推多步预测 |
25-26 |
|
2.2.2.2 非递推多步预测模型 |
26-27 |
|
2.2.2.3 两种预测模型的比较 |
27-28 |
|
2.3 基于神经网络的预测控制 |
28-35 |
|
2.3.1 基于神经网络的预测控制结构 |
28 |
|
2.3.2 神经网络建模（NNM） |
28-31 |
|
2.3.2.1 神经网络预测模型（NNM）的描述 |
28-29 |
|
2.3.2.2 NNM的在线学习 |
29-31 |
|
2.3.3 神经网络预测控制器（NPC） |
31-34 |
|
2.3.3.1 神经网络预测控制器（NPC）的描述 |
31-32 |
|
2.3.3.2 神经网络预测控制器（NPC）的权值调整 |
32-34 |
|
2.3.4 实时自适应神经网络预测控制策略 |
34 |
|
2.3.5 学习率的选取 |
34-35 |
|
2.4 仿真实例 |
35-43 |
|
2.4.1 仿真实例1 |
36-38 |
|
2.4.2 仿真实例2－在主汽压力控制中的应用 |
38-43 |
|
2.5 本章小结 |
43-44 |
|
第三章 神经网络预测控制在多变量中的应用 |
44-62 |
|
3.1 引言 |
44 |
|
3.2 神经网络预测控制在多变量系统中的应用 |
44-51 |
|
3.2.1 神经网络建模（NNM） |
44-47 |
|
3.2.1.1 NNM的描述 |
44-45 |
|
3.2.1.2 NNM的在线学习 |
45-47 |
|
3.2.2 神经网络预测控制器（NPC） |
47-50 |
|
3.2.2.1 神经网络预测控制器（NPC）的描述 |
47-48 |
|
3.2.2.2 神经网络预测控制器（NPC）的权值调整 |
48-50 |
|
3.2.3 实时自适应神经网络预测控制策略 |
50 |
|
3.2.4 学习率的选取 |
50-51 |
|
3.3 神经网络预测控制在协调控制系统中的仿真应用 |
51-61 |
|
3.3.1 单元机组动态特性分析 |
51-58 |
|
3.3.1.1 协调控制系统介绍 |
51-53 |
|
3.3.1.2 单元机组被控对象模型 |
53-54 |
|
3.3.1.3 单元机组对象动态仿真 |
54-58 |
|
3.3.2 神经网络预测控制应用于协调控制对象 |
58-61 |
|
3.3.2.1 神经网络预测控制应用于协调控制对象结构图 |
58 |
|
3.3.2.2 仿真结果 |
58-61 |
|
3.4 本章小结 |
61-62 |
|
第四章 结论和展望 |
62-64 |
|
参考文献 |
64-67 |
|
致谢 |
67-68 |
|
在学校期间发表论文及参加科研情况 |
68 |
|
| 【DOI】 | LunWen.ID:2.2008.388615 |
