資源描述：
《基于神經(jīng)網(wǎng)絡(luò)非線性時(shí)滯系統(tǒng)預(yù)測(cè)pid控制》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、大連理工大學(xué)碩士學(xué)位論文摘要在工業(yè)過程控制中，被控對(duì)象往往存在不同程度的時(shí)滯。時(shí)滯的存在往往會(huì)使控制效果變差，系統(tǒng)穩(wěn)定性降低。解決時(shí)滯問題的關(guān)鍵是對(duì)輸出的預(yù)測(cè)，故近年來(lái)預(yù)測(cè)控制成為時(shí)滯系統(tǒng)控制的主要方法之一。目前，線性系統(tǒng)的預(yù)測(cè)控制研究已較為成熟，對(duì)非線性系統(tǒng)預(yù)測(cè)控制的研究成果相對(duì)較少，而實(shí)際工業(yè)過程大多是非線性的，因此研究非線性系統(tǒng)的預(yù)測(cè)控制就顯得尤為重要。然而，時(shí)滯系統(tǒng)很難靠單一的控制方法來(lái)完善解決，針對(duì)時(shí)滯系統(tǒng)的特點(diǎn)，研究和探索與智能理論相結(jié)合的控制方法就顯得十分必要。由于神經(jīng)網(wǎng)絡(luò)具有并行機(jī)制、自學(xué)習(xí)和自適應(yīng)能力，可以
2、用來(lái)逼近任意復(fù)雜的非線性系統(tǒng)，使得神經(jīng)網(wǎng)絡(luò)與預(yù)測(cè)控制方法相結(jié)合成為研究熱點(diǎn)之一。本文首先綜述非線性預(yù)測(cè)控制研究進(jìn)展，闡明預(yù)測(cè)控制的預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正的思想，并對(duì)智能PID的研究現(xiàn)狀進(jìn)行概述，同時(shí)引入一種新的神經(jīng)網(wǎng)絡(luò)——極限學(xué)習(xí)機(jī)，嘗試對(duì)其改進(jìn)后應(yīng)用于非線性系統(tǒng)的建模與辨識(shí)。在此基礎(chǔ)上，針對(duì)工業(yè)過程中非線性時(shí)滯系統(tǒng)控制問題，本文提出一種基于極限學(xué)習(xí)機(jī)的新型預(yù)測(cè)PID控制。該方法將控制結(jié)構(gòu)分為兩層，上層采用極限學(xué)習(xí)機(jī)作為智能預(yù)測(cè)模型，下層采用改進(jìn)型單神經(jīng)元自適應(yīng)預(yù)測(cè)PID控制算法，利用預(yù)測(cè)控制克服時(shí)滯，利用智能方法優(yōu)化
3、PID控制器參數(shù)。應(yīng)用極限學(xué)習(xí)機(jī)作為預(yù)測(cè)模型不僅可以保證快速性，還可以保證控制精度。改進(jìn)型單神經(jīng)元PID控制中引入輸出加權(quán)的廣義預(yù)測(cè)性能函數(shù)作為控制器的目標(biāo)函數(shù)，使控制更為精確、快速。這種方法具有非?？斓膶W(xué)習(xí)速度，能夠得到較小的訓(xùn)練誤差和最小規(guī)模的權(quán)值矩陣，并獲得較好的泛化性能。關(guān)鍵詞：非線性系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；極限學(xué)習(xí)機(jī)；時(shí)滯；預(yù)測(cè)PID控制大連理工大學(xué)碩士學(xué)位論文PredictivePIDControlforNonlinearTime—delaySystemBasedonNeuralNetworksAbstractInthe
4、industrialprocesscontrol，therearedifferenttime—delaysforcontrolledobjects．Theexistenceoftime—delayalwaysresuItsinworsecontroleffectsandlowerlevelstabilization．Predictingtheoutputisthekeytosolvetime·delayproblems，sopredictivecontrolbecomesoneofthemostimportantcontro
5、ltechnologiesforthecontroloftime·delaysysteminrecentyears．Atpresent，mostpredictivecontrolmethodsareaimedatlinearsystem，whileresearchonnonlinearpredictivecontrolisfartoenough．However,singlecontrolmethodCallnotdealwithtime·delaysystemperfectly．Inthiscase，itisnecessar
6、ytostudyandexplorecontrolmeasureintegratedwithintelligenttheorybasedonthecharacteristicoftime-delaysystem．Neuralnetworknotonlypossessestheparallelmechanism，self-learningandadaptiveability，butalsocallapproacharbitrarycomplicatednonlinearsystem．Therefore，itisoneofthe
7、hotpointstocombineneuralnetworkandpredictivecontr01．Firstly，theresearchprogressofnonlinearpredictivecontrolissummedupandtheideaofpredictivemodel，rolloptimizationandfeedbackrevisingforpredictivecontrolarestated．Then，theresearchactualityofintelligentPIDisexpounded．At
8、thesametime．introduceanewneuralnetwork--ExtremeLearningMachine，whichwillbeappliedinthemodelingandidentificationofnonlinearsystemafterimprovement．
