基于递归神经网络的多变量系统预测控制.pdf

第39卷第1期 南开大学学报(自然科学版) V01．39N_01 2006年2月 ActaScientiarumNaturaliumU”iversitatisNankaiensis Feb．2006 文章编号：0465—7942(2006)01—0049—05 基于递归神经网络的多变量系统预测控制 张 燕1’2， 王繁珍2， 陈增强2， 袁著祉2 (1．河北工业大学自动化系，天津300130；2．南开大学自动化系，天津300071) 摘要：针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个 具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方 案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在 线修正解耦控制器的权值．仿真实验表明这两种方法的有效性． 关键词：预测控制；解耦控制；递归神经网络；非线性PID控制 中图分类号：TP272 文献标识码：A 0 引 言 预测控制是为了适应复杂工业过程控制而提出的一种鲁棒控制算法，自形成以来，就得到了广泛的应 用n矗]．但工业过程通常是多变量强耦合的非线性系统，单纯的预测控制算法与智能方法相结合成为一种 新的研究途径． 近年来，神经网络对多变量非线性系统的控制取得了许多成功应用．Staib等用其控制电弧炉这种多 能PID控制器在理论研究和实际应用中取得了较大的发展，大致可分为两类，一类是单神经元PID控制 器嘲；另一类是利用神经网络的任意逼近连续非线性映射的特性，在线学习PID控制器的三个参数[7]． 本文构造了一种基于递归神经网络的非线性PID控制器，既保留了线性PID控制器的优点，又由于 递归神经网络的动态特性，该控制器可对于动态非线性系统实现控制，实时性好．在此基础上，我们结合预 测控制的思想，针对多变量系统提出两种预测控制方法．其一是将文献[8]提出的方法推广应用于多变量 强耦合系统，在广义最小方差目标函数下，实现多变量控制器参数的在线校正；第二种方法是在多步预测 目标函数下，修改控制网络权值．仿真实验表明该方法的有效性． 1 基于递归神经网络的多变量系统及PID控制器 1．1系统描述 设多变量被控对象为Il输入以输出的咒变量系统，可用下面的非线性模型来描述 (1) 输入、输出的阶数．这个模型通常是未知的，采用如下的模型来辨识 (2) 收稿日期：2003—12—03 作者简介：张燕(1974一)，女，河北石家庄人，讲师，博士研究生，主要从事智能控制、预测控制等研究． 万方数据 ·50· 南开大学学报(自然科学版) 第39卷 这里，厂ⅣⅣ(·)是一个递归神经网络，实现对非线性系统的建模，Ⅳ是神经网络的全体权值组成的矩 阵，P(五)是NNI对系统输出y(愚)的逼近． …，z扣]，Z；(是)一瞳j，z}，…，z扣]，z一2，…，M，该层神经元的数学描述为 图1 递归神经网络结构示意图 The Fig．1 architectureofrecurrentneuralnetworks (3) Xz(愚)一h[zf(忌)]，z=2，…M (4) 其中Ⅳ州一。为神经网络z一