对仿人模糊网络控制研究展望.doc

《对仿人模糊网络控制研究展望.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《自然辩证法概论》课程论文论文标题：对仿人模糊网络控制系统研究的展望学生姓名：苏达子学号：0901301012专业：机械制造及其自动化专业学院：机械工程学院导师姓名：蒲明辉学期：2011-2012/上诚信声明我郑重声明：本人提交的《自然辩证法概论》课程论文是由本人独立完成的，在正文中和在文末的参考文献中已全部标注并列出了文中所引用的他人的学术成果、观点、图表或论述，保证此文符合学术道德规范的要求。声明人签名：苏达子签名日期：2011年12月20日-10-对仿人模糊网络控制系统研究的展望苏达子机械工程学院机械制造及其自动化专业2009级；学号：0901301012摘要：随着现代工

2、业的发展，工业过程的不断复杂化，实际生产过程中的非线性，不确定性和复杂性的增加，传统意义上的PID控制器已经不能满足我们的要求，因此我们力图将近些年发展起来的一些先进的智能控制方法，应用到PID控制领域中。本文针对模糊神经控制这一学科做了浅显的研究，从理论研究和计算机仿真两方面对模糊控制、神经控制、仿人智能以及专家控制算法进行了学习和初步研究，针对复杂的具有不确定性的非线性、大滞后系统，采用了模糊自适应PID控制、基于RBF神经网络PID整定、专家PID控制三种控制策略相融合的方法进行控制器的设计，并在MATLAB平台上进行了对实际非线性传递函数的程序设计以及仿真实验研究。通过

3、将误差和误差变化作为输入来调节控制器的kp、ki、kd参数，提高系统的调节时间、收敛速度、上升时间等控制品质。本文的重点工作在于模糊控制和RBF神经网络控制策略的融合，而难点是RBF神经网络的理解上。通过RBF模糊神经网络控制器和仿人RBF模糊神经网络控制器的仿真效果对比可以看出仿人RBF模糊神经网络控制器中阶跃响应时间、误差响应都明显减小，而且PID参数的的超调量等控制性能都减小，由此说明仿人-模糊神经网络具有良好的控制效果。关键词：模糊控制；RBF神经网络；专家控制；仿人智能1.研究背景及意义近几年来，智能控制采用各种智能化技术实现复杂系统和其他相关系统的控制目标，是一种强

4、大的自动控制技术。长期以来，自动控制科学已对整个科学技术的理论和实践做出了重要贡献，并给人类的生产、生活和工作带来了巨大的利益。然而，现代科学技术的迅速发展和重大进步，对控制和系统科学提出新的更高的要求。传统控制理论，包括近代控制、经典反馈控制和大系统理论等，在应用中遇到不少难题。多年来，自动控制一直在寻找新的出路，现在看来，出路之一就是实现控制系统的智能化和自动化，来解决面临的难题。PID控制是最早发展起来的控制策略之一，由于其算法简单，性能好、可靠性高，被广泛应用于过程控制和运动控制中，尤其适用于可建立精确模型的确定性系统。但随着实际生产过程中的非线性，不确定和复杂性的增加

5、，常规的PID控制已经不能满足我们的控制要求，不能达到理想的控制效果。但是由于PID具有结构简单、造价低廉等特点，现在仍在工业生产的各种控制设备上广泛应用。-10-PID控制器应用的关键就是参数整定及在线参数调整。过去的参数整定由经验取值预设，再依据试运行的响应波形做手动调整，这种方法往往经验多于科学，既费时又难以达到最佳的整定值。目前各种行之有效的整定方法，包括改进算法的Ziegler-Niehols整定法、Coohen-Coon整定法、Astrom的整定法等等，在改善自动控制系统方面发挥了重大的作用[1]。但由于固定参数的PID控制器采用折衷的方法来解决静态与动态控制品质之

6、间的矛盾，这就使得单一控制参数的系统不能获得最佳的控制效果。但环境变化以及控制对象存在着大惯性、非线性、大纯滞后、强干扰等等特性，用一组事先整定的PID参数实施控制难以达到很好的控制效果，尤其当对象参数变化超过一定的范围时，系统性能会明显变差，甚至超出许可范围。因此，为了促进PID控制的发展，我们力图将近些年发展起来的一些先进的智能控制方法，应用到PID控制领域中，而模糊神经网络（FNN）已经成为人们关注的热点之一，它被应用到复杂过程建模和逻辑推理中，用神经网络表示模糊系统，使构造网络结构有了依据，又可以根据模糊推理规则的形式，利用神经网络的学习能力进行复杂的模糊推理，具有并行

7、运算速度快的优点。另外，网络权值的初始给定具有一定得先验知识，从而网络在训练中收敛速度较快[2]。但是模糊神经网络建模存在的关键问题之一就是当模糊神经网络的输入维数高时，模糊规则呈几何级数增加，致使网络结构庞大，网络计算量大，导致迭代时间长，收敛速度慢。仿人智能以及专家系统又可以从另一面优化模糊神经网络系统，减小调节时间，降低超调量等，近来国内外也出现了许多将仿人智能和模糊神经网络结合的课题，并且一部分成果都被运用到现实的生产和生活中，所以我们有必要也需要对仿人智能和模糊神经网络的结合做进一