| 【中文题名】 | 基于神经网络的非线性预测控制研究 |
| 【英文题名】 | Study on Nonlinear Predictive Control 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】 | 2007-7-13 |
| 【中关键词】 | 预测控制,神经网络,动态矩阵控制,模型辨识,滚动优化, |
| 【英关键词】 | Predictive Control,Neural Networks,Dynamic Matrix Control,Model Identification,Receding Horizon Optimization, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>自动控制、自动控制系统> |
| 【论文摘要】 |
随着工业控制要求的提高及控制理论与计算机技术的发展，产生了控制效果好、鲁棒性强，适用于控制不易建立精确数学模型且比较复杂的工业过程的预测控制算法，并已在石油、化工、冶金、机械等工业部门的控制系统中得到了成功的应用，是一类很有发展前途的新型计算机控制算法。
本文以工程实际广泛存在的非线性系统为研究背景，以理论研究与仿真实验为重点，研究了基于神经网络辨识的动态矩阵预测控制(DMC)新方法，其实质是利用作为对象辨识模型的神经网络产生输出预测，用滚动优化算法求出控制律，从而实现对非线性系统的预测控制。神经网络分别选用具有良好非线性逼近能力的BP网络和RBF网络，其与动态矩阵预测控制算法相结合，针对非线性系统，对比研究了基于以上两种神经网络的非线性预测控制技术。在课题的研究中，完成的主要工作有：
1．对动态矩阵控制算法做了深入的探讨和研究，分析了动态矩阵预测控制的预测模型、反馈校正与滚动优化的特征及其稳定性、鲁棒性，并研究了相关参数对控制效果的影响，指出了这种常规预测控制算法直接用于非线性系统存在的问题。
2．针对BP和RBF神经网络的特点，分别研究了一种改进算法，即带动量项的自适应调... |
| 【论文题纲】 |
|
目录 |
5-7 |
|
摘要 |
7-8 |
|
Abstract |
8-10 |
|
第1章 绪论 |
10-16 |
|
1.1 选题的目的和意义 |
10-11 |
|
1.2 预测控制的国内外研究现状与发展趋势 |
11-14 |
|
1.3 本文主要研究内容 |
14-16 |
|
第2章 预测控制基本理论与DMC的仿真研究 |
16-31 |
|
2.1 预测控制的基本理论 |
16-21 |
|
2.1.1 预测控制提出的背景 |
16 |
|
2.1.2 预测控制的基本原理与结构 |
16-19 |
|
2.1.3 预测控制中预测模型的数学描述 |
19-21 |
|
2.2 动态矩阵控制算法(DMC) |
21-30 |
|
2.2.1 动态矩阵控制算法 |
21-25 |
|
2.2.2 相关参数分析 |
25 |
|
2.2.3 DMC的稳定性和鲁棒性 |
25-26 |
|
2.2.4 动态矩阵控制算法的实现步骤 |
26 |
|
2.2.5 动态矩阵控制的仿真研究 |
26-30 |
|
2.3 本章小结 |
30-31 |
|
第3章 神经网络基础与基于BP和RBF的辨识 |
31-49 |
|
3.1 人工神经网络的基本理论 |
31-35 |
|
3.1.1 神经元及其网络构成 |
31-34 |
|
3.1.2 神经网络的功能和学习方式 |
34-35 |
|
3.1.3 常用的神经网络及其研究 |
35 |
|
3.2 多层前向神经网络及误差反向传播(BP)算法 |
35-40 |
|
3.2.1 误差反向传播(BP)算法 |
35-37 |
|
3.2.2 BP学习算法注意事项 |
37-38 |
|
3.2.3 带动量项的自适应调整学习率的BP算法 |
38 |
|
3.2.4 BP神经网络辨识仿真 |
38-40 |
|
3.3 RBF神经网络 |
40-47 |
|
3.3.1 RBF神经网络概述 |
40-41 |
|
3.3.2 网络模型 |
41-42 |
|
3.3.3 RBF网络的学习方法 |
42-43 |
|
3.3.4 RBF学习算法的改进 |
43-46 |
|
3.3.5 RBF神经网络辨识仿真 |
46-47 |
|
3.4 本章小结 |
47-49 |
|
第4章 基于BP神经网络的动态矩阵预测控制研究 |
49-55 |
|
4.1 神经网络预测控制的一般结构 |
49-50 |
|
4.2 BP神经网络动态矩阵预测控制 |
50-53 |
|
4.2.1 BP神经网络动态矩阵预测控制的结构 |
50 |
|
4.2.2 BP神经网络动态矩阵预测模型的建立 |
50-52 |
|
4.2.3 BP神经网络动态矩阵预测控制律的计算 |
52-53 |
|
4.3 基于BP神经网络的动态矩阵预测控制的仿真研究 |
53-54 |
|
4.4 本章小结 |
54-55 |
|
第5章 基于RBF神经网络的动态矩阵预测控制研究 |
55-63 |
|
5.1 RBF神经网络预测控制 |
55-57 |
|
5.1.1 RBF网络预测控制建模 |
55-56 |
|
5.1.2 RBF网络预测控制的优化计算 |
56-57 |
|
5.2 一种基于RBF网络的动态矩阵预测控制 |
57-61 |
|
5.2.1 非线性动态矩阵预测模型 |
57-58 |
|
5.2.2 非线性方程组迭代算法 |
58-59 |
|
5.2.3 RBF网络预测模型与动态系数矩阵的确定 |
59-61 |
|
5.3 基于RBF网络的动态矩阵预测控制的仿真研究 |
61-62 |
|
5.4 本章小结 |
62-63 |
|
第6章 总结与展望 |
63-65 |
|
6.1 总结 |
63-64 |
|
6.2 展望 |
64-65 |
|
参考文献 |
65-69 |
|
致谢 |
69-70 |
|
附录A 攻读学位期间所发表的学术论文目录 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.388627 |
