《神经网络辨识及自适应逆控制研究》-毕业论文设计（学术）.docVIP

中国石油大学（华东）本科毕业设计（论文） PAGE 11 PAGE II 中国石油大学（华东）毕业设计（论文） 神经网络辨识与自适应 逆控制研究 学生姓名：许付晓 学 号专业班级：自动化08-1班 指导教师：王树斌 2012年6月20日 中国石油大学（华东）本科毕业设计（论文） PAGE I 摘要 自适应逆控制作为一种新颖的控制器和调节器的设计方法，引起国内外学者越来越广泛的研究兴趣。本文系统的研究了神经网络的结构和算法，以及基于神经网络的智能系统辨识与自适应逆控制算法的仿真与研究。 系统辨识部分，系统分析了RBF神经网络中常用的几种确定聚类中心的算法：梯度下降法、K-均值聚类法、正交最小二乘法和动态聚类法。提出了一种改进的动态聚类法，克服动态聚类法中距离门限值是固定不变的这一缺点，根据样本密度的大小对距离门限值进行奖惩处理，通过对煤气炉数据的辨识仿真研究，验证了该算法的有效性及优越性。 自适应逆控制部分，将基于 BP 网络的自适应逆控制方法应用到一个非线性系统控制中，仿真结果表明该系统具有响应迅速，适应性强等优点，具有很高的控制精度和较好的鲁棒性。 关键词：神经网络，系统辨识，非线性系统，自适应逆控制 Abstract As a new novel controller and adjuster design method, adaptive inverse control has caught overseas and domestic scholars more and more study interest. This paper has study the structure and arithmetic of neural network ,and the adaptive inverse control system based on neural network. At the part of system identification , we study the main clustering methods of RBF network, gradient descent method, K-mean clustering method, orthogonal least squares method and dynamic clustering method. Focus on dynamic clustering method, the most defect is its threshold space is fixed. We raise an improved dynamic cluster method, which adjust the threshold according sample density. The emulation results show the methods validity and advantage. At the part of inverse adaptive control, we apply adaptive inverse method, based on BPNN, to nonlinear system. This shows the adaptive inverse control methods valid to nonlinear system. Key words: Neural Network; System Identification; Nonlinear System; Model Reference Adaptive Inverse Control. 目录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc326605286 摘要 PAGEREF _Toc326605286 \h I HYPERLINK \l _Toc326605287 Abstract PAGEREF _Toc326605287 \h II HYPERLINK \l _Toc326605288 目录 PAGEREF _Toc326605288 \h III HYPERLINK \l _Toc326605289 第1章 绪论 PAGEREF _Toc326605289 \h 1 HYPERLINK \l _Toc326605290 1.1系统辨识概况 PAGEREF _Toc326605290 \h 1 HYPERLINK \l _Toc326605291 1.2人工神经网络概况[13] PAGEREF _Toc326605291 \h 1 HYPERLI