隨著當(dāng)今現(xiàn)代化工業(yè)生產(chǎn)的迅猛發(fā)展,實(shí)際工藝生產(chǎn)過程具有復(fù)雜性,非線性,工作地點(diǎn)多變性,強(qiáng)耦合性,控制性能要求過高等特點(diǎn),使我們想要通過機(jī)理模型來掌握被控過程中各變量之間的相互關(guān)系變得更加困難,成本也隨之提高。而非線性系統(tǒng)一般時(shí)變性以及不確定性較強(qiáng),單一的模型結(jié)構(gòu)往往無法對全局系統(tǒng)進(jìn)行準(zhǔn)確地描述,為這種全局的辨識過程增添了多種困難。因此,本文以非線性系統(tǒng)作為研究對象,直接從系統(tǒng)的輸入輸出數(shù)據(jù)出發(fā),基于局部學(xué)習(xí)理論,提出了基于即時(shí)學(xué)習(xí)算法的非線性系統(tǒng)在線優(yōu)化的控制方法。本文對比了幾類常用的數(shù)據(jù)驅(qū)動(dòng)策略方法,最終選取了即時(shí)學(xué)習(xí)算法來實(shí)現(xiàn)在線局部建模的任務(wù)。即時(shí)學(xué)習(xí)算法是基于“相似輸入產(chǎn)生相似輸出”的思想,通過對該算法的相似度指標(biāo),數(shù)據(jù)更新搜索策略進(jìn)行改進(jìn),從而實(shí)現(xiàn)對未知系統(tǒng)僅依靠系統(tǒng)數(shù)據(jù)即可進(jìn)行局部建模。即時(shí)學(xué)習(xí)算法可以使非線性系統(tǒng)的辨識及控制更加精準(zhǔn),提高了運(yùn)算速率。針對可利用的大量輸入輸出數(shù)據(jù)的非線性系統(tǒng),結(jié)合局部模型在線辨識以及神經(jīng)網(wǎng)絡(luò)逆控制思想設(shè)計(jì)了一種控制器方案。從系統(tǒng)的輸入輸出數(shù)據(jù)出發(fā),基于優(yōu)化的性能指標(biāo),得到當(dāng)前逆控制器的輸出值。再次建立正向模型,設(shè)計(jì)正向優(yōu)化控制器,能夠達(dá)到跟... 

【文章來源】：遼寧石油化工大學(xué)遼寧省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

單機(jī)無窮大系統(tǒng)仿真結(jié)果圖

3.1.1 即使算法問題描述即時(shí)學(xué)習(xí)算法其實(shí)是一種典型的在線進(jìn)行局部學(xué)習(xí)方法，這一類型的模型算法全不依賴離線模式，直至當(dāng)前出現(xiàn)一個(gè)新的工況點(diǎn)時(shí)在處理數(shù)據(jù)即可。這種處理手與其他非線性問題不同，比其他更優(yōu)的是分析問題方面。通常來說，在即學(xué)習(xí)建模大框架下，所呈現(xiàn)出局部結(jié)構(gòu)，只有之前的歷史數(shù)據(jù)庫以及用于最新當(dāng)前工況點(diǎn)相的一個(gè)子集合來用于模型的搭建。正是由于這個(gè)原因，它才能更好的處理非線性系相關(guān)問題和有效的追蹤突變情況。即時(shí)學(xué)習(xí)算法的主要思想是基于 相似輸入以產(chǎn)生相似輸出 的原則。其實(shí)現(xiàn)方式是根據(jù)記憶在存儲(chǔ)器中的樣本數(shù)據(jù)，利用輸入樣點(diǎn)，在數(shù)據(jù)庫儲(chǔ)存器中找到與距離最近 的樣本數(shù)據(jù)，在通過這些數(shù)據(jù)得到該輸入的對應(yīng)輸出點(diǎn)。一般多用距離數(shù)來進(jìn)行判斷�？芍�，與輸入樣本數(shù)據(jù)最近的那些數(shù)據(jù)間的相似程度比較高。圖是一種簡明的即時(shí)學(xué)習(xí)算法局部線性多項(xiàng)式擬合方法。


本文編號：2978357