基于神经网络的非线性时滞系统预测pid控制

基于神经网络的非线性时滞系统预测pid控制

ID:32286328

大小:1.53 MB

页数:57页

时间:2019-02-02

基于神经网络的非线性时滞系统预测pid控制_第1页
基于神经网络的非线性时滞系统预测pid控制_第2页
基于神经网络的非线性时滞系统预测pid控制_第3页
基于神经网络的非线性时滞系统预测pid控制_第4页
基于神经网络的非线性时滞系统预测pid控制_第5页
资源描述:

《基于神经网络的非线性时滞系统预测pid控制》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、大连理工大学硕士学位论文摘要在工业过程控制中,被控对象往往存在不同程度的时滞。时滞的存在往往会使控制效果变差,系统稳定性降低。解决时滞问题的关键是对输出的预测,故近年来预测控制成为时滞系统控制的主要方法之一。目前,线性系统的预测控制研究已较为成熟,对非线性系统预测控制的研究成果相对较少,而实际工业过程大多是非线性的,因此研究非线性系统的预测控制就显得尤为重要。然而,时滞系统很难靠单一的控制方法来完善解决,针对时滞系统的特点,研究和探索与智能理论相结合的控制方法就显得十分必要。由于神经网络具有并行机制、自学习和自适应能力,可以用来逼近任意复杂的非线性系统,使得神经网络与预

2、测控制方法相结合成为研究热点之一。本文首先综述非线性预测控制研究进展,阐明预测控制的预测模型、滚动优化和反馈校正的思想,并对智能PID的研究现状进行概述,同时引入一种新的神经网络——极限学习机,尝试对其改进后应用于非线性系统的建模与辨识。在此基础上,针对工业过程中非线性时滞系统控制问题,本文提出一种基于极限学习机的新型预测PID控制。该方法将控制结构分为两层,上层采用极限学习机作为智能预测模型,下层采用改进型单神经元自适应预测PID控制算法,利用预测控制克服时滞,利用智能方法优化PID控制器参数。应用极限学习机作为预测模型不仅可以保证快速性,还可以保证控制精度。改进型单

3、神经元PID控制中引入输出加权的广义预测性能函数作为控制器的目标函数,使控制更为精确、快速。这种方法具有非常快的学习速度,能够得到较小的训练误差和最小规模的权值矩阵,并获得较好的泛化性能。关键词:非线性系统;神经网络;极限学习机;时滞;预测PID控制大连理工大学硕士学位论文PredictivePIDControlforNonlinearTime—delaySystemBasedonNeuralNetworksAbstractIntheindustrialprocesscontrol,therearedifferenttime—delaysforcontrolledobj

4、ects.Theexistenceoftime—delayalwaysresuItsinworsecontroleffectsandlowerlevelstabilization.Predictingtheoutputisthekeytosolvetime·delayproblems,sopredictivecontrolbecomesoneofthemostimportantcontroltechnologiesforthecontroloftime·delaysysteminrecentyears.Atpresent,mostpredictivecontrolmet

5、hodsareaimedatlinearsystem,whileresearchonnonlinearpredictivecontrolisfartoenough.However,singlecontrolmethodCallnotdealwithtime·delaysystemperfectly.Inthiscase,itisnecessarytostudyandexplorecontrolmeasureintegratedwithintelligenttheorybasedonthecharacteristicoftime-delaysystem.Neuralnet

6、worknotonlypossessestheparallelmechanism,self-learningandadaptiveability,butalsocallapproacharbitrarycomplicatednonlinearsystem.Therefore,itisoneofthehotpointstocombineneuralnetworkandpredictivecontr01.Firstly,theresearchprogressofnonlinearpredictivecontrolissummedupandtheideaofpredictiv

7、emodel,rolloptimizationandfeedbackrevisingforpredictivecontrolarestated.Then,theresearchactualityofintelligentPIDisexpounded.Atthesametime.introduceanewneuralnetwork--ExtremeLearningMachine,whichwillbeappliedinthemodelingandidentificationofnonlinearsystemafterimprovement.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。