博士论文答辩—神经网络在过程辨识与控制中应用研究ppt.pptVIP

BP网络算法模块的对话框 误差反传学习算法及其改进 非线性误差函数 方法三 误差函数 ： 其中： 带延迟信号的前向网络 神经网络用于非线性系统辨识 Elman网络 神经网络用于非线性系统辨识 Elman网络 改进的Elman网络 新型的动态递归神经网络 神经网络用于非线性系统辨识 IOCDRN网络 HIOCDRN网络 仿真实验 神经网络用于非线性系统辨识 非线性系统 ： 常规的神经网络PID控制 神经网络PID控制 一种新型的神经网络PID控制 神经网络PID控制 NNPID仿真曲线一 神经网络PID控制 非线性对象： 系数 ： 基于单个神经元的自适应控制 神经网络PID控制 单个神经元自适应控制仿真实验 神经网络PID控制 火电厂主汽温控制仿真实验 神经网络PID控制 导前区： 惰性区： 时间常数单位：min 控制效果比较 神经网络PID控制 神经网络内模控制的算法描述 神经网络用于内模控制 离散非线性动态系统的可逆性 神经网络逆模型的训练方法 直接法、间接法、反馈误差法 改进的神经网络内模控制方法 神经网络用于内模控制 算法描述 神经网络用于内模控制 鲁棒控制器RC： NNC算法： 仿真实验 神经网络用于内模控制 大延迟对象： ，k=1.5，T=16，τ=40，n=3 放大系数突变曲线 慢时变曲线 神经网络预测控制算法描述 神经网络用于预测控制 网络输入： 网络输出： 期望参考轨迹： 控制误差向量： 控制信号向量： 目标函数： 神经网络用于预测控制 神经网络预测控制算法描述 ，其中： 其中： 神经网络用于预测控制 神经网络预测控制算法描述 递归计算方法： 其中： 改进的神经网络预测控制算法 神经网络用于预测控制 （1）网络隐层激励函数： 则： （2）自适应调整因子： 神经网络用于预测控制 仿真实验 神经网络用于预测控制 仿真实验 一种有约束的神经网络预测控制方法 神经网络用于预测控制 目标函数： 黄金分割法： 动态搜索区间： (第一约束条件) 执行机构行程: (第二约束条件) 以上一次的控制量u(k-1)为中心， 对称的选择执行机构变化速率极限的区间 搜索区间的下限不小于执行机构行程的下限， 上限不大于执行机构行程的上限 设执行机构行程为0到100%，变化速率极限为5%/秒，每秒执行一次， 则每次搜索的区间最大为10%， 10次迭代搜索，搜索精度达到8.1×10-4（最坏）到6.6×10-6（最好） 神经网络用于预测控制 其中： 训练所用激励信号： 仿真实验 * 研究生 周黎辉 导 师 韩 璞 神经网络在过程辨识与控制中的应用研究 神经网络在过程辨识与控制中的应用研究 主要研究内容 一般性讨论 误差反传学习算法及其改进 神经网络用于非线性系统辨识 神经网络PID控制 神经网络用于内模控制 神经网络用于预测控制 神经网络的工程实践 工作总结 一般性讨论 神经网络的发展概况 神经网络的宏观研究方法 前向神经网络的逼近能力分析 前向神经网络的泛化能力分析 神经网络与人工智能 一般性讨论 误差反传学习算法及其改进 基本的BP算法及其存在的问题 BP算法的一些改进方法 激活函数的选择 非线性误差函数 神经网络用于非线性系统辨识 带延迟信号的前向网络 Elman网络 一种新型的动态递归神经网络 神经网络PID控制 常规的神经网络PID控制 一种新型的神经网络PID控制 基于单个神经元的自适应控制 神经网络用于内模控制 神经网络内模控制的算法描述 改进的神经网络在线自学习内模控制方法 稳定性分析 神经网络用于预测控制 神经网络预测控制算法描述 改进的神经网络预测控制算法 一种有约束的神经网络预测控制方法 未知非线性系统的一种复合控制算法 在电站系统中应用 神经网络的工程实践 神经网络应用于生产过程存在的问题 工程背景介绍 在CAE2000系统中的应用 在DCS中的应用 工作总结 本文的主要工作与创新点 本课题今后的研究内容 结 束 感谢各位老师光临指导！ 神经网络的发展概况 产生和发展的历史 1943，阈值元件模型 1957，感知器（Perceptron） 1969,《Perceptron》 1982，Hopefiled网络 1986，反向传播学习算法(BP) 当前的发展和问题 生物学背景 数学角度 计算量 非线性系统控制 在系统辨识和控制中应用的概况 模型或逆模型 非线性控制器 与其他智能控制方法结合 一般性讨论 神经网络的宏观研究方法 动力系统理论 研究与描述动力系统的渐近行为 非线性规划理论 探索目标函数全局极小的有关算法的