神经预测控制实验——预测算法研究

《神经预测控制实验——预测算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实验内容2：基于Simulink的神经网络控制系统仿真1.课件p62-69中NeuralNetworkBlockset模块集练习；2.采用此节的3个例子，参照课件步骤，自己试验，体验神经网络控制及效果。参考例子：模型预测神经网络控制实例分析一搅拌器控制系统模型预测模型预测方法是基于水平后退的方法，神经网络模型预测在指定时间内预测模型响应。预测使用数字最优化程序来确定控制信号，通过最优化如下的性能准则函数：“2叫J=》[儿C+J)-儿0+J)]2+。为M+./-•)-叭t+j-2)Fj=i式中，M为预测时域长度；N“为控制时域长度；u(t)为

2、控制信号；升为期望响应，弘为网络模型响应，p为控制量加权系数。下图描述了模型预测控制的过程。控制器由神经网络模型和最优化方块组成，最优化方块确定巾(通过最小化刀，最优m值作为神经网络模型的输入，控制器方块可用Simulink实现。Controller模型预测神经网络控制实例分析一搅拌器控制系统1)问题的描述要讨论的问题基于一个搅拌器（CSTR）,如图14所示。5对于这个系统，其动力学模型为:dr=(r)+w2(r)-0.27^0)dr+(c”2一G,⑴)w2(t)^Q(r)丽一(l+g(/))2其中,/?（7）为液面高度，Cb⑴为产品输出浓

3、度，wi⑴为浓缩液Qi的输入流速，W2（r）为稀释液Q2的输入流速。输入浓度设定为：Cm=24.9,02=0.1。消耗常量设置为：k=,*2=1。控制的目标:通过调节流速W2⑴来保持产品浓度。为了简化演示过程，不妨设叭⑴=0.1。在本例中不考虑液面高度h⑴。1、建立模型在MATLAB命令窗口中输入命令“predcsh•”，弹出1-1所示的模型窗口。图1-1模型窗口It中，神经网络预测控制模块(NNPredictiveController)和X(2Y)Graph模块山神经网络模块集(NeuralNetworkBlockset)中的控制系统

4、模块库(ControlSystems)复制而来。Plant(ContinuousStirredTankReactor)模块包含了搅拌器系统的Simulink模型。双击NNPredictiveController模块，将会产生一•个神经网络预测控制器参数设直窗口(NeuralNetworkPredictiveControl),如图所示。这个窗口用于设计模型预测控制器。图1-2神经网络预测控制器参数设置窗口在这个窗口小，有多项参数可以调整，用于改变预测控制算法小的有关参数。将鼠标移到相应的位置，就会出现对这一参数的说明。现将这些说明加以解释：①

5、CostHonizon(N2)预测时域长度②ControlHonizon(Nu)控制时域长度③ControlWeightingFactor(p)控制量加权系数④SearchParameter(a)线性搜索参数，决定搜索何吋停止⑤MinimizationRoutine选择一个线性搜索用做最优化算法⑥IterationsPerSampleTime选择在每一个采样时间屮优化算法迭代的次数下而是四个按钮的说明：①PlantIdentification系统辨识。在控制器使用Z前，系统必须先进行辨识。②OK、Apply——在控制器参数设定好以后，单击这

6、两个按钮的任一个都可以将这些参数导入Simulink模型。③Cancel——取消刚才的设置。2、系统辨识在神经网络预测控制器的窗口中单击［PlantIdentification］按钮，将产生一个模型辨识参数设置窗口(PlantIdentification),用于设置系统辨识的参数，如图1・3所示。图1-3模熨辨识参数设置窗口在控制器使用以前，必须首先利用辨识技术建立神经网络模空。这个模型预测系统未來的输出值。优化算法使用这些预测值来决定控制输入，以优化耒来的性能。系统的神经网络模型有一个隐含层。这个隐含层的人小、输入和输出的时延，以及训练函

7、数都在图屮的窗口中设置。可以选择BP网络中的任意训练函数來训练网络模型。在窗口菜单中有一项File,其包括的子项中有两项用于导入和导出系统模型对应的网络。图1・3中有很多参数需要设置，现将这些参数分别加以解释。①SizeofHiddenLayei—设直在系统模型网络隐含层屮的神经元数；©SamplingIntcrval(scc)一指定程序从Simulink模型中采集数据的间隔；®No.DelayedPlantInputs—指定了加到系统网络模型的输入延迟；①No.DelayedPlantOutputs—指定了加到系统网络模型的输出延迟；©N

8、ormalizeTrainingData—指定是否使川premnmx函数來将数据标准化⑥TrainingSamples一指定了为训练而产生的数据点的数目；⑦MaximumPlan