基于递归神经网络的多变量系统预测控制.pdf

基于递归神经网络的多变量系统预测控制.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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

文档评论(0)

我的文档 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档