基于人工神经网络技术的预测函数控制及其在火电厂的应用-控制理论与控制工程专业论文.docxVIP

目 录 第一章 绪论 9 1.1 引言 9 1.2 预测函数控制的应用现状及存在的问题 3 1.3 研究意义 4 1.4 研究内容 6 第二章 预测函数控制和神经网络基本理论 7 2.1 预测函数控制基本原理 8 2.1.1 基函数 8 2.1.2 预测模型 9 2.1.3 滚动优化 9 2.1.4 反馈校正 10 2.1.5 控制量计算 10 2.2 人工神经网络技术的基本原理 12 2.2.1 人工神经网络的基本概念和特征 12 2.2.2 多层前向神经网络 14 2.2.3 人工神经网络与自动控制 15 2.2.4 神经网络与系统辨识 17 2.2.5 神经网络辨识的结构 19 2.2.6 神经网络辨识的原理 19 第三章 PFC 在锅炉给水控制系统中的应用 20 3.1 引言 20 3.2 给水控制对象的动态特性和控制要求 21 3.2.1 给水控制对象的动态特性 21 3.2.2 给水自动控制系统的基本要求 22 3.3 给水控制系统的神经 PFC 与 PID 复合控制 22 3.3.1 控制对象等效为一阶加纯滞后模型 22 3.3.2 控制系统结构分析 24 3.3.3 控制量计算 25 3.3.4 仿真研究 27 第四章 混合神经网络 APFC 控制在水处理系统中的应用 32 4.1 引言 32 4.2 线性神经网络 32 4.2.1 线性神经网络结构 32 4.2.2 线性神经网络学习算法 33 4.2.3 线性网络的训练 34 4.3 混合神经网络辨识 34 4.4 混合神经网络 APFC 基本原理 35 4.5 混合神经网络的 APFC 算法 35 4.6 仿真研究 36 第五章 多模型 PFC 在电厂气温系统的应用 40 5.1 引言 40 5.2 减温水扰动下过热汽温对象的动态特性分析 40 5.3 局部神经网络模型 41 5.3.1 非线性神经网络的表达方式 42 5.3.2 局部模型的建立 42 5.4 预测函数控制器的设计 43 5.4.1 神经网络预测输出 43 5.4.2 控制量的计算 44 5.4.3 控制信号的合成 45 5.5 仿真研究 46 第六章 基于改进 ELMAN 网络的多变量解耦 PFC 控制在协调控制系统的应用 50 6.1 引言 50 6.2 改进 ELMAN 神经网络 50 6.2.1 改进 ELMAN 神经网络结构 50 6.2.2 改进 ELMAN 神经网络学习算法 52 6.3 神经网络解耦控制 54 6.3.1 神经网络解耦控制的结构 54 6.3.2 神经网络前馈解耦 55 6.3.3 动态神经网络解耦控制器的设计 56 6.4 多变量预测函数控制的算法 56 6.4.1 预测模型 57 6.4.2 模型函数输出 58 6.4.3 反馈校正 58 6.4.4 滚动优化 59 6.5 协调控制对象的动态特性和控制要求 60 6.6 仿真研究 61 6.6.1 抗扰动仿真及解耦研究 64 6.6.2 负荷快速跟踪仿真研究 66 6.6.3 变参数对象及大范围升负荷研究 69 6.6.4 模型失配仿真研究 71 第七章 结论和展望 72 参考文献 75 致 谢 80 个人简介 81 1 1 第一章 绪论 1.1 引言 自 70 年代后期以来，计算机技术的发展和工业过程的日趋复杂，对自动控制技 术的发展起到了积极的推动作用。但是，实际工业控制系统具有多变量、非线性和不 确定性等特点以及工程应用中要求考虑控制的实效性、有效性和经济性等因素，使得 以精确数学模型为基础，立足最优性能指标且优化算法较为复杂的现代控制理论的局 限性日益明显，主要表现为：实际工业过程往往无法建立理想最优控制需要的对象精 确数学模型；工业对象的结构、参数和环境的不确定，使按理想模型得到的最优控制 并非最优；算法复杂，难以用一般性能的计算机实现。为解决以上矛盾，人们一方面 提高建模的精度及考虑不确定因素影响的角度进行研究；另一方面则冲破传统思想， 不断研究模型精度要求低、在线计算简单方便、实时性、控制效果好的新型预测控制。 因此模型预测控制（Model Predictive Control，MPC）已经成为一个很重要的研究领 域，并得到了大量的成功应用。 预测控制方法是从工业生产实践中产生的一类基于模型的计算机控制算法。 1978 年，Richalet 等首次详细阐述了建立在脉冲响应基础上的模型预测启发控制 （Model Predictive Heuristic Control，MPHC）[1]。Culter 于 1980 年提出了建立在有限 阶跃响应基础上的动态矩阵控制（Dynamic M