《基于神经网络的自适应逆控制研究及应用》由会员分享，可在线阅读，更多相关《基于神经网络的自适应逆控制研究及应用（51页珍藏版）》请在金锄头文库上搜索。
1、华北电力大学硕士学位摘要摘要本文研究小波神经网 络与自 适应逆控制的结合， 对具有惯性和滞后特性的对象控制 作出 探讨。目的在于提出一种消除大纯滞后特性的神经网络自 适应逆控制方法， 消除控 制对象受到的扰动， 根据期望的参考模型确定动态特性。 文中使用小波神经网络自 适应逆控制系统对各种典型对象:线性对象、非线性对象，时变对象以及具有纯滞后和惯性特性的对象作了仿真， 尤其对主蒸汽温度对象做了仿真试验， 从理论上证明了小波神经 网络自 适应逆控制的是切实可行的。更进一步的， 针对逆控制系统的不足之处， 增加了预测环节，使得对纯滞后对象的控制达到了实时控制。关键字:神经网络自 适应逆控制 小波神
2、经网络 惯性滞后 预测环节ABS T RACTI n p a p e r , w e f o c u s o n c o m b i n a t io n b e t w e e n w a l l e t n e u r a l n e t w o r k a n d a d a p t i v e i n v e r s e c o n t r o l , F u r t h e r m o r e , w e t a k e a d i s c u s s io n o n c o n t r o l f o r o b j e c t w i t h i n e r t i a a n
3、 d l a g . I t i s o u r g o a l t o p r o p o s e a n e w c o n t r o l m e t h o d u p o n a d a p t iv e i n v e r s e c o n t ro l b a s e d o n w a l l e t n e u r a l n e t w o r k a i m i n g a t e l i m in a t i n g n o is e o n o b j e c t, a n d t o d e t e r m in e d y n a m i c p e r f o
4、 r m a n c e . A t e n d o f p a p e r , s i m u l a t i o n i s m a d e 勿a d a p t i v e i n v e r s e c o n t r o l b a s e d o n n e u r a l n e t w o r k o n s t e a m t e m p e r a t u r e w h i c h h a s g r e a t in e r t i a a n d l a g t o v e r i f y it s p r a c t i c a li t y . W e m a k
5、 e s i m u l a t i o n e x p e r i m e n t s o n r e p r e s e n t a t i v e s y s t e m s u c h a s l i n e a r - s y s t e m , n o n l i n e a r - s y s t e m , t i m e - v a r y i n g s y s t e m a n d s y s te m w i t h i n e r t ia a n d吨 a n d o n s t e a m t e m p e r a t u r e e s p e c i a
6、l l y , t o p r o v e a d v a n t a g e s o f a d a p t i v e i n v e r s e c o n t ro l b a s e d o n n e u r a l n e t w o r k t h e o r e ti c a ll y . A g a i n s t s h o r ta g e s o f A d a p t i v e I n v e r s e C o n t ro l , W e . 面p r e d i c a t i o n p a r t t o m a k e re a l t i m e c
7、 o n t ro l o n 吨 s y s t e m c o m e t r u e .M a R u i ( C o n t r o l T h e o ry a n d C o n t r o l E n g i n e e r i n g )D i r e c t e d b y P r o f L i u Y a n q u a n KE Ya d a p t i v e i n v e r s e c o n t ro l b a s e d o n n e u r a l n e t w o r k , w a v e l e t n e u r a l i n e r t
8、i a a n d l a g , p r e d i c a t i o n p a r t声明本人郑重声明: 此处所提交的硕士学位论文 神经网络自适应逆控制研究与应用 ， 是本人在华北电力大学攻读硕士学位期间， 在导师指导下进行的研究工作和取得的研究 成果。 据本人所知， 除了文中 特别加以 标注和致谢之处外， 论文中不包含其他人已经发 表或撰写过的研究成果， 也不包含为获得华北电 力大学或其他教育机构的学位或证书而 使用过的 材料。 与我一同 工作的同 志对本研究所做的任何贡献均已 在论文中 作了明确的 说明并表示了谢意。学 位论 文 作 者 签 名:日 期:关于学位论文使用授权的说明本
9、人完全了解华北电力大学有关保留、 使用学位论文的规定， 即: 学校有权保管、 并向 有关部门 送交学位论文的原件与复印 件; 学校可以 采用影印、 缩印或其它复制手 段复制并保存学位论文: 学校可允许学位论文被查阅或借阅: 学校可以学术交流为 目 的 ， 复制赠送和交换学位论文; 同 意学校可以 用不同 方式在不同 媒体上发表、 传播学位论文的全部或部分内容。( v密的 学位论文在解密后遵守 此规自作者签名:导师签名:日期:.日期:华北电力大学硕士学位论文第一章 绪论自 适应逆控制是由美国斯坦福( S t a n f o r d ) 大学著名教授B . W i d r o w 于1 9 8 6
10、 年首次命 名提出来的，自 适应逆控制在控制系统和调节器设计中是一种非常新颖的途径与方法。 自 适应逆控制与传统 控制方法的不同之处有以 下几方面I l l ,首先， 它是一 种开环控制系统， 用被控对象传递函数的 逆作为串 联控制器， 对系统 的动态特性作开环控制， 取消了传统控制中的全局反馈回路， 从而避免了因反馈而可能 引起的不稳定问题; 同时又能做到对系统动态特性的控制与对象扰动的控制分开处理而 互不影响。这是一个十分可贵的特点。其次，自 适应 逆控制的 控制器是自 适应的， 并将其调节到使对象及其控制器的总体动态响应达到最小二成意义上的最优。最后，自 适应逆控制使用位于逆控制器后的局
11、部反馈消除被控对象受到的扰动，该 反馈仅限于扰动消除回 路， 与控制回路和自 适应建模回路无任何祸合， 对系统的动态控 制性能和对象的自 适应建模性能都没有任何影响。和传统的控制不一样，自 适应逆控制采用反馈不是为了控制系统中的信号流动， 而 是用于控制系统中的 可变参数。 尽管方式不同， 传统的 控制方法和自 适应逆控制的目 的 是相同的，即 都是 利用反 馈使对象输出的 误差 减到最小2 1 。 因为 对象参数发生 变 化总 是 要比 通过它的信号产生的 变化慢的多， 因 此在一个自 适应逆控制系统中的反馈其动作就 可以 相对地比 较慢， 仅仅需要与对象参数的变化速度保持一致就够了。 其结
12、果就是用自 适应逆控制， 系统的 稳定和调节在许多情况下要比 传统的反馈控制在整个控制信号带宽 内实 施反馈容易实现。 采用自 适应逆控制对给定动态响应的实现往往比 较容易， 如果需 要的 话， 甚至一些特殊的响应也可以 得到。例如， 能够控制一个稳定的 振荡型对象， 使整个系统对一个阶跃输入的响应， 除了 一个很小的延迟外， 仍是一个非常好的阶跃， 即具有很陡的上升前沿且无过冲: 而这样 的一类响应是很难用传统的方法来获取得。 然而， 对象动态特性的开 环控制没有限 制住 或衰减掉内 部对象扰动的影响。 倘若对象遭受到 扰动， 可以 应用业己 证明 是最优的自 适 应噪声消除技术使得该扰动的
13、影响减到最小。 为此目 的己 经设计出了 一种特别的反馈结 构， 它可以消除对 象的扰动而不改变对象的 动态特性。 动态特性控制和对象扰动控制成 为两个独立的过程， 一种控制的 最优并没有牺牲掉另一种控制的最优。 对于某类不能用 精确数学模型 描述的 对象， 其逆模型 用传统的 方法 难以 建 立2 1神经网络本质的并行结构在处理实时性要求高的自 动控制领域中所显示出的极大 的优越性使得逆控制在控制系统和调节器的设计中得到进一步发展。目 前， 它已成功应 用于板带轧制过程厚度自 动控制、 静止无功补偿控制、 流速控制等领域中， 发展前景十华北电力大学硕士学位论文分广阔。 工厂里的系统对象的动态
14、特性具有大迟延、 大惯性、 时变性和不确定性等特点， 难以 建立精确的数学模型， 从而使得建立在精确受控对象数学模型基础上的常规控制方 法及 现代控制方法难以 取得满意的 控制效果。 基于神经网络的自 适应逆控制具有对模型要求低、 鲁棒性好、自 适应能力强、 适用于数字计算机控制的优点， 可将之用于工业过 程控制中并取得较好的控制品质。 随着计算机技术的迅速发展和分散控制系统在工业中 的应用， 智能控制算法用于复杂系统控制变得易于实现。 因此， 基于神经网络的自 适应 逆控制对于解决工业中的复杂控制问题具有重要的实用价值， 研究潜力很大， 发展前景 十分广阔。 神经网络自 适应逆控制是一种用神
15、经网络构成无模型直接自 适应控制系统的 方法。 它要求对象可逆， 而非线性系统的 可逆性研究当 前仍然是一个难点. 因 此有必要 进一 步研究 基于神经网 络的自 适应 逆 控制在非线性系统中 的 稳定 性 和适用 性等 2 )论文首先阐述了自 适应逆控制的基本概念和控制原理， 接着把神经网络在非线性系 统建模与控制中的优点引入自 适应逆控制中来。 从而提出一种基于小波神经网络滤波器 建模的神经网络自 适应逆控制系统结构。 运用小波神经网 络自 适应逆控制， 提出 一种针 对非线性、纯滞后，大惯性、时变特性对象的控制方法。结合火电厂实际的情况，对主蒸汽温度对象进行仿真， 探讨神经网 络自 适应
16、逆控制的实际应用。传统的神经网 络自 适应逆控制中的 神经网络较多 采用基于S i g m o i d 激励函数的B P 神 经网 络 Z , S i g m o i d 激励函 数为 全局函 数， 基 支 集为 整 个欧氏 空 间 ， 存 在 严重 重叠， 所以 这种网络存在较易陷入局部极小、 收敛速度慢、 抗噪声能力差的缺点， 一些改进的B P 算 法也 难以 克 服这些缺点 Z l ; 径向 基网 络是利 用紧支撑基函 数中的 成员 采 表示函 数的 一种方式， 基函数的局域性使径向基网络更适应学习那些可变的不连续的函数， 所以采用径向 基函数神经网络( R B F N N ) 来替代多层感知器可使逼近能力和收敛速度有较大的改进， 但径向基函数网络中激励函数是非正交的，即它的基函数是有冗余的， 所以其通近函数的表达式并不惟一。注意到小波函数可以是正交的，保证逼近函数的表达式的惟一性: 其次， 对于不同的逼近函数，小波函数可以有更广泛的选择， 可以 根据逼近函数的特性 来选择不同的小波函数; 最后， 小 波函 数具有对突变函数逐步精细的描述特性， 使
