基于通用学习网络大滞后系统控制.docxVIP

摘要本文中，利用通用学习网络对典型大滞后，非线性系统——PH中和过程进行辨识，对比了BP神经网络算法对大滞后系统的训练和泛化效果。通过实验对比，得出结论，在大滞后系统模型的学习上，通用学习网络比BP神经网络要有优势。在本课题中，我们还尝试了改变网络结构，做仿真实验对比，证明了对于复杂对象，多分支与反馈支路能够极大地改善学习效果。与此同时，我们引入了一个常规的二阶带纯滞后对象作为补充，也对其做了仿真实验，对比了训练结果。在对以上两个过程对象充分学习的基础上，我们设计了ULN预估控制器，同时对比了Smith预估器，常规数字增量式PID控制器的控制效果。最后，我们还进行了控制系统鲁棒性分析，指出了，通用学习网络具有自适应，自学习等优点，系统有很强的鲁棒性能。关键词：通用学习网络；大滞后系统；大滞后PH中和过程；预测控制算法AbstractIn this paper, universal learning network(ULN) is adopted to identify the typical nonlinear and long time-delay system----PH neutralization process, and iscompared with the training and generalization effect by BP neural network.