非线性时滞系统神经网络预测控制.pdfVIP

中文摘要 非线性时滞系统在生产过程中是较常见的、但又是难以控制的。由于神经网 络能对任意复杂非线性函数充分逼近，而预测技术可以很好的解决时滞和不确定 性的影响。非线性时滞系统的神经网络预测控制在近几年得到了迅速的发展，并 成为非线性过程控制的主要手段之一。 本文对非线性时滞系统采用了d步超前预测模型的神经网络预测控制。首次 实现了非线性时滞系统的神经网络预测控制的并联模型的RTRI，算法，对比讨论 了并联模型的RTRL算法和它比串并联模型的BP算法的优越之处。 指出现有的NARMA模型修正方法对时滞系统的不当之处。以时滞系统神 经网络预测控制为例，介绍了NARMA模型的正确修正方法。 文中介绍了一种新的正交神经网络。首次给出了多变量输入正交神经网络完 备处理单元(神经元)选择的通用公式；针对输入变量增多时，完备处理单元急 剧增加的情况，提出了几种裁减完备处理单元的选取方法。仿真实验验证了正交 神经网络比BP网络收敛速度快、训练时间短、逼近能力好。 构成了正交递归神经网络，首次将正交递归神经网络用于系统时滞辨识和系 统输入阶次辨识。仿真实验表明：①正交递归神经网络在时滞的辨识上比传统的 BP递归神经网络收敛速度快、训练时间短、逼近能力好；②正交递归神经网络 具有全局收敛的性质，在输入阶次的辨识上，能够明确辨识出系统输入阶次的变 化；而BP递归网络易陷入局部最小，不能准确辨识出输入阶次的不同带来的微 小变化。 关键词：非线性时滞系统；神经网络预测控制；递归神经网络；正交神经网络 正交递归神经网络；RTRL算法 ABSTRACT intheindustrial a” appear Nonline盯time-delaysystemsusually process．but neural difficulttobecontrolled．Duetotheuniversal of networkfor approximation and nonlinear the ofthe for arbitrary capability mapping predictivetechniquesolving the of and network controlfor predictive problemstime-delayuncertainty,noural nonlinear inrecent andbecomesoneof time-delaysystemsrapidlydevelopedyears means themost fornonlinearcontr01． important process With tothenonlinear model time-delay predictive regards systems．d-step-abead ofneuralnetwork controlis dissertationrealizestheRTRL predictive adopted．This timerecurrent