基于免疫算法的神经网络解耦控制及其研究-模式识别与智能系统专业论文.docxVIP

1 1 2 2 摘 要 基于免疫算法的神经网络解耦 控制及其研究 学 科： 模式识别与智能系统 学生姓名： 韩 贵 金 （签名） 指导导师： 潘永湘 （教授） （签名） 答辩时间： 2006 年 3 月 摘 要 现代工业的生产过程大都是具有非线性、多变量强耦合的复杂工业过程，其数学模型往往难以建 立，因此限制了传统解耦控制方法在其控制中的应用。以神经网络解耦为代表的智能解耦控制技术不 需要系统精确的数学模型，可以有效地解决复杂工业过程的控制问题，但由于现有的神经网络解耦控 制算法无论在算法上还是在理论上都还不完善，所以论文对神经网络解耦控制算法进行了研究。此外 为克服传统优化算法训练神经网络时存在的求解精度低、收敛时间长以及易于陷入局部极值等缺点， 论文采用免疫算法训练神经网络，但是由于免疫算法发展较晚，其研究仍处于萌芽状态，不管是理论 还是应用都尚未成熟，所以论文对免疫算法进行了研究。 论文主要研究工作如下： 1. 在 PID 多变量解耦控制的基础上，设计了一种基于对角递归神经网络的 PID 解耦控制策 略。其中对角递归神经网络作为耦合 n 变量非线性系统的辨识器，基于对角递归神经网络构造了 PID 控制器，并把 n 个 PID 控制器平行采用作为解耦控制器，以同时实现解耦和控制功能。最后 利用李亚普诺夫稳定性理论，对对角递归神经网络辨识器的收敛性和整个控制系统的稳定性进行 了分析； 2. 在分析基本免疫算法优化性能的基础上，利用混沌序列的遍历性，给出了一种嵌入混沌 序列的自适应免疫进化算法，并将其应用于神经网络的训练中。最后利用概率分析方法，从理论 上证明了所提算法可以以概率收敛于全局最优解。 关键词：神经网络解耦 免疫算法 对角递归神经网络 多变量非线性系统 西安理工 西安理工大学硕士学位论文 NEURAL NETWORKS DECOUPLING CONTROL AND RESEARCH BASED ON IMMUNE ALGORITHM Subject: Pattern Recognition and Intelligent System Candidate: Han Gui-jin (Signature) Supervisor: Pan Yong-xiang (Signature) Answer Time: March, 2006 Abstract In present practical industry process, most are nonlinear, multivariant and strong coupling plants, which math model often is difficult to get, so the utilization of the traditional decoupling control methods in its control is limited. The intelligent decoupling control, which is represented by the neural networks decoupling control, can efficiently resolve the control problem of the complex industry process because it don’t need the math model of the plants. But because the present neural networks decoupling control algorithms are still imperfect not only in the aspect of algorithm but also theory, so the neural networks decoupling algorithms are studied here. Besides, when the additional optimization algorithms train the neural networks, which exist some shortcoming such as low precision, long convergence time and bigger possibility of getting into local extremum. For overcoming these shortcomings, the immune algorithms are used to train neural networks. But because the immu