资源描述：
《rbf神经网络用于系统的预测最优控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第12卷第2期石油化工高等学校学报Vol.12No.21999年6月JOURNALOFPETROCHEMICALUNIVERSITIESJun.1999RBF神经网络用于系统的预测最优控制史国栋王其红薛国新徐燕(江苏石油化工学院,江苏常州213016)摘要为了实现系统的预测最优化控制,问题的关键是如何准确而迅速地对未来一段时间内的系统状态进行预测,然后利用此预测结果及优化指标来控制有关系统变量,人们对此进行了许多研究,但尚有其不足之处。为此,提出压缩预测变量集规模等办法来增加RBF神经网络有效预测时间长度,在此基础上利用稳态最优解和优化指标来控制有关量。此方法被
2、用于某化工过程,结果能使系统运行更为平稳,并使有关量达到了预测的优化指标。关键词RBF神经网络;预测;稳态;最优控制中图分类号TP273近年来,预测最优控制作为一种先进的控常会碰到的问题是,由于系统微分方程组的刚制手段,越来越受到人们的重视。在化工过程性,某些操作量的小量变化会引起有关状态量[3]中,通过预测最优控制,可在确保安全运行的大范围变化,而另外的一些量则要经过相当的前提下使有关产品的产率达到尽可能高的长的时间才会对操作量的变化产生明显的响值,从而取得显著的经济效益。应。这不仅使得控制变量会出现超调或滞后的为实现最优控制,关键之一是准确地进行现象,也会影
3、响神经网络预测的有效时间长度。预测。关于预测有多种传统的数学方法,如参为此,本文提出使用稳态计算结果准备RBF预数识别法和傅里叶变换法等,使用神经网络的测网络的训练样本,并根据系统的输入量的积预测方法由于容错性好和适应性强而越来越受分值来预测其稳态,通过对其稳态进行最优控[1]到人们的关注。较早使用的BP神经网络,制来达到目的。其训练时间较长,且易陷入局部极小。而RBF神经网络由于有较高的训练速度而愈来愈受到1RBF预测神经网络[1,4,5]人们的重视。因此将RBF神经网络用于过程的预测。这时,训练样本的准确性尤其重对于每个点上有m个输出yj,1[j[m[1]要
4、,为了建立训练样本,有些研究者提出了T[2]的情形,用y=(y1,,,ym)来表示m维输神经网络的建模方法。此方法应用于稳态(k)出空间中的点,设已有训练样本集{(x,比应用于动态更为合适。这是因为,许多动态(k)(k)ny)
5、1[k[K}。xIR。对于给定的点化工系统,其行为往往表现出很大的惯性。即nxIR,其上的各输出值可由RBF插值公式得当前操作量的变化对系统关键量的影响要有一到。一般情形下,取隐单元数H满足n[H[时间过程才能体现,同时这种影响将会较长时K,这时RBF插值公式为间地延续。另外,某些客观变量如系统的输入H2(x-x^h)流量及其成份也是以它
6、们的整个历史过程的形yj=Ewjhexp-21[j[mh=1Rh式对系统关键量产生影响的。因此,在预测中(1)收稿日期:1999-03-30上式就相应于RBF神经网络,x是各分量输入第一作者:男,43岁,教授。层的输入;H是隐层单元的个数;Rh,x^h是各隐82石油化工高等学校学报第12卷层单元的参数;wjh(1[h[H,1[j[m)是隐稳态值,所要求预测的系统输入变量被当作决层到输出层之间的权。定稳定平衡状态的主要条件。考虑系统预测最优控制问题,将预测输入¼建立稳态分析问题,求出其最优解。并量分为两类:u1,,,uR和M1,,,MS。第一类的以此最优解为目标,
7、控制操作变量。R个输入量不对应于任何要求预测的输出量,上述的稳态优化问题是包含若干个待定参第二类的S个输入量则均对应于各自要求预数的非线性方程组解的最优化问题。其一般形测的输出量。取出一时间窗,它由连续的2Q式如下:个等间隔的时间点t1=t-(Q-1)$t,t2=t-给定等式和不等式约束条件(Q-2)$t,,,tQ=t,tQ+1=t+$t,,,fi(x1,,,xn,A1,,,AS)=01[i[n(q)(q)t2Q=t+Q$t组成,用ur和MS分别表示Uj(x1,,,xn,A1,,,AS)=01[j[mur和MS在时间点上tq的值。令(4)x=(u(1)(1)(1
8、)(1)(Q)其中,A1,,,AS是反映操作条件的一组参变1,,,uR;M1,,,MS;,;u1,,,u(Q)(Q)(Q)T(2)量。在上述条件下优化目标函数R;M1,,,MS)(Q+1)(2Q)(Q+1)(2Q)TminJ(x1,,,xn)(5)y=(M1,,,M1;,;MS,,,MS)x1,,,xn(0)(3)用通常的方法求出上述最优化问题的解x1,(0)(0)(0)这里n=(R+S)Q,m=QS。所谓预测,就是,,xn;A1,,,AS。指定使操作变量A1,根据(2)式x由(1)式来确定(3)式的y。其中(0)(0)(0),,AS达到A1,,,AS所需时间为
9、$T,对有关参数可由预测
