| 【中文题名】 | 一类非线性系统的神经网络控制及其应用 |
| 【英文题名】 | Neural Network Control and Application on a Class of Non-Linear System |
| 【学科专业】 | 检测技术与自动化装置 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-16 |
| 【中关键词】 | 非线性系统,神经网络辨识,模糊神经网络,解耦控制,温控系统, |
| 【英关键词】 | non-linear system,neural network identification,fuzzy neural network,decoupling control,temperature control system, |
| 【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】 |
在生产过程中存在一类大滞后非线性系统，其主要特点为滞后时间长、响应速度慢，这类系统的典型代表是工业电阻加热炉温控系统。本课题针对此类系统的存在的控制问题，提出了采用人工神经网络的解决方案，并将其应用到电阻加热炉的实际控制之中。
本论文首先介绍了神经网络的主要特性与发展历程，而后针对大滞后非线性系统的建模难题，提出了一种新型联想记忆神经网络结构和学习算法，通过引入联想记忆衰减因子，提高了对非线性系统的辨识能力，并且给出了学习算法的收敛性分析和联想记忆衰减因子的选取方法，通过Elman神经网络辨识方法的仿真比较，说明新型联想记忆神经网络辨识方法具有很好的动态辨识能力和泛化能力。而后对神经网络应用于控制领域的情况做了叙述，指出模糊神经网络控制是神经网络控制发展的一个趋势。介绍了一种具有逆辨识结构的模糊神经网络控制方法，采用三层模糊神经网络控制器以实现控制前期快速响应的需要；为了解决模糊神经网络控制后期的稳态误差，引入新型联想记忆神经网络，通过逆辨识方法，作为控制器来补偿控制输出。通过引入协调控制因子，用于调节模糊神经网络控制器和神经网络逆控制器的输出，使被控系统处于最佳控制状态。针对多变量耦合系统... |
| 【论文题纲】 |
|
摘要 |
6-7 |
|
Abstract |
7-12 |
|
第1章 绪论 |
12-19 |
|
1.1 引言 |
12-13 |
|
1.2 人工神经网络概述 |
13-15 |
|
1.2.1 神经网络简介 |
13-14 |
|
1.2.2 神经网络主要特性 |
14-15 |
|
1.3 国内外研究概况 |
15-17 |
|
1.4 本论文的主要工作 |
17-19 |
|
第2章 联想记忆神经网络辨识 |
19-38 |
|
2.1 系统建模方法 |
19-20 |
|
2.2 神经网络辨识 |
20-22 |
|
2.2.1 神经网络辨识理论依据与辨识结构 |
20-21 |
|
2.2.2 神经网络辨识的特点 |
21-22 |
|
2.3 神经网络的静态辨识与动态辨识 |
22-26 |
|
2.3.1 神经网络的静态辨识 |
22-25 |
|
2.3.2 神经网络的动态辨识 |
25-26 |
|
2.4 新型联想记忆神经网络辨识方法 |
26-30 |
|
2.4.1 新型联想记忆神经网络结构 |
27-28 |
|
2.4.2 学习算法 |
28-29 |
|
2.4.3 联想记忆神经网络收敛性分析 |
29 |
|
2.4.4 联想记忆衰减因子的选取 |
29-30 |
|
2.5 神经网络的训练 |
30-32 |
|
2.5.1 获取样本训练集合 |
30-31 |
|
2.5.2 确定网络类型和结构 |
31-32 |
|
2.5.3 网络训练和测试 |
32 |
|
2.6 辨识仿真研究 |
32-36 |
|
2.6.1 电阻加热炉辨识仿真 |
33-34 |
|
2.6.2 非线性系统辨识仿真 |
34-36 |
|
2.7 本章小结 |
36-38 |
|
第3章 具有逆辨识结构的模糊神经网络控制 |
38-52 |
|
3.1 神经网络控制 |
38-41 |
|
3.1.1 概述 |
38-39 |
|
3.1.2 神经网络控制结构 |
39-41 |
|
3.2 模糊神经网络控制结构与特点 |
41-45 |
|
3.2.1 模糊神经网络结构 |
41-43 |
|
3.2.2 模糊神经网络的特点 |
43-44 |
|
3.2.3 模糊神经网络控制方法 |
44-45 |
|
3.3 具有逆辨识结构的模糊神经网络控制方法 |
45-47 |
|
3.3.1 具有逆辨识结构的模糊神经网络控制结构 |
45-46 |
|
3.3.2 神经网络逆控制器 |
46 |
|
3.3.3 模糊神经网络控制器 |
46-47 |
|
3.3.4 β与λ的选取方法 |
47 |
|
3.4 控制仿真研究 |
47-51 |
|
3.4.1 电阻加热炉模型 |
48-49 |
|
3.4.2 非线性系统模型 |
49-51 |
|
3.5 本章小结 |
51-52 |
|
第4章 多输入多输出非线性系统辨识与解耦控制 |
52-69 |
|
4.1 基于新型联想记忆神经网络的多输入多输出系统辨识 |
52-57 |
|
4.1.1 联想记忆神经网络结构 |
52-53 |
|
4.1.2 双输入双输出系统仿真研究 |
53-57 |
|
4.2 多输入多输出解耦方法 |
57-63 |
|
4.2.1 传统解耦方法 |
57-60 |
|
4.2.2 自适应解耦方法 |
60 |
|
4.2.3 智能解耦方法 |
60-63 |
|
4.3 多变量耦合系统的特性与解耦原则 |
63-64 |
|
4.4 具有逆辨识结构的多输入多输出系统解耦控制 |
64-68 |
|
4.4.1 解耦控制结构 |
64-65 |
|
4.4.2 单神经元解耦原理 |
65-66 |
|
4.4.3 神经元解耦系统性能分析 |
66 |
|
4.4.4 双输入双输出系统解耦控制仿真研究 |
66-68 |
|
4.5 本章小结 |
68-69 |
|
第5章 电阻加热炉神经网络控制 |
69-79 |
|
5.1 双腔电阻加热炉简介 |
69-70 |
|
5.2 双腔电阻加热炉温度控制系统 |
70-72 |
|
5.2.1 主要工艺参数检测 |
70 |
|
5.2.2 自动控制原理 |
70 |
|
5.2.3 硬件系统 |
70-71 |
|
5.2.4 软件系统 |
71-72 |
|
5.3 应用效果 |
72-77 |
|
5.3.1 电阻加热炉单腔神经网络辨识 |
72-73 |
|
5.3.2 电阻加热炉单腔温度控制 |
73-76 |
|
5.3.3 电阻加热炉双腔神经网络辨识 |
76-77 |
|
5.3.4 电阻加热炉双腔温度控制 |
77 |
|
5.4 本章小结 |
77-79 |
|
结论 |
79-80 |
|
参考文献 |
80-84 |
|
攻读硕士学位期间所发表的论文 |
84-85 |
|
致谢 |
85 |
|
| 【DOI】 | LunWen.ID:2.2008.386360 |
