近年來,國內(nèi)外市場競爭日趨激烈,使得生產(chǎn)企業(yè)對工業(yè)產(chǎn)品生產(chǎn)過程的控制性能提出了更高的要求,而實際工業(yè)生產(chǎn)過程通常具有較強的非線性、不確定性、耦合性、時變性等特點,這些特性使得建立在線性系統(tǒng)理論的控制方法不再適用。因此,生產(chǎn)過程的非線性控制方法成為了過程控制領(lǐng)域的研究熱點。在現(xiàn)有的非線性控制方法中,由于神經(jīng)網(wǎng)絡(luò)具有較強的非線性逼近能力、自學(xué)習(xí)能力,使得神經(jīng)網(wǎng)絡(luò)控制方法得到廣泛研究。然而,目前已經(jīng)提出的神經(jīng)網(wǎng)絡(luò)控制方法在實際工程應(yīng)用中存在較大局限性,主要表現(xiàn)在網(wǎng)絡(luò)參數(shù)初值的有效確定,當(dāng)網(wǎng)絡(luò)參數(shù)的初值設(shè)置不合理時,這些方法較難獲得理想的控制效果。為此,本文以模型參考的神經(jīng)網(wǎng)絡(luò)控制方法為例,對網(wǎng)絡(luò)參數(shù)的有效確定問題展開研究,主要有以下幾方面內(nèi)容。首先,研究了模型參考神經(jīng)網(wǎng)絡(luò)控制方法的參數(shù)調(diào)節(jié)原理,分析了該方法的局限性,指出了局限性存在的原因,為后面章節(jié)的研究奠定了基礎(chǔ)。其次,在模型參考神經(jīng)網(wǎng)絡(luò)控制方法基礎(chǔ)上,提出了終點偏向神經(jīng)網(wǎng)絡(luò)控制方法。該方法先從訓(xùn)練網(wǎng)絡(luò)參數(shù)的目標(biāo)函數(shù)出發(fā),分別構(gòu)造了均方差和最大相關(guān)熵的終點偏向目標(biāo)函數(shù);同時,為了避免傳統(tǒng)BP算法、LM算法易陷入局部極值、初值選取困難的缺陷... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)預(yù)測控制原理框圖

圖 2-2 NARMA-L2 控制原理框圖Fig. 2-2 The block diagram of NARMA-L2 control圖 2-3 神經(jīng)網(wǎng)絡(luò)模型參考控制原理框圖Fig. 2-3 The block diagram of neural network model reference control參考控制被廣泛應(yīng)用于工程領(lǐng)域[58]，它是針對非線性不確定模型參考信號通常是一個基于計算機模擬的理想模型，通過號，調(diào)節(jié)二者的偏差，令被控對象的輸出信號跟隨參考模型文在模型參考控制方法的基礎(chǔ)上進行研究與設(shè)計，通過最小差來調(diào)整網(wǎng)絡(luò)參數(shù)，由神經(jīng)網(wǎng)絡(luò)控制器確定出最佳的控制量

圖 2-3 神經(jīng)網(wǎng)絡(luò)模型參考控制原理框圖Fig. 2-3 The block diagram of neural network model reference control前，模型參考控制被廣泛應(yīng)用于工程領(lǐng)域[58]，它是針對非線性不確定性系。其中，模型參考信號通常是一個基于計算機模擬的理想模型，通過比較統(tǒng)輸出信號，調(diào)節(jié)二者的偏差，令被控對象的輸出信號跟隨參考模型的變因此，本文在模型參考控制方法的基礎(chǔ)上進行研究與設(shè)計，通過最小化反信號的偏差來調(diào)整網(wǎng)絡(luò)參數(shù)，由神經(jīng)網(wǎng)絡(luò)控制器確定出最佳的控制量并輸，完成閉環(huán)控制過程。經(jīng)網(wǎng)絡(luò)辨識節(jié)介紹的三種控制方法都有各自的優(yōu)勢和劣勢，不存在適用于任何系統(tǒng)對于一個未知非線性系統(tǒng)，實現(xiàn)有效控制的第一步均是通過神經(jīng)網(wǎng)絡(luò)辨識系統(tǒng)模型。統(tǒng)的系統(tǒng)辨識方法需要預(yù)先確定系統(tǒng)模型的結(jié)構(gòu)與階次，將模型的建立立，常用來進行線性系統(tǒng)的辨識，而對于未知的非線性系統(tǒng)模型的辨識則顯


本文編號：3132299