基于智能计算的预测控制及应用

《基于智能计算的预测控制及应用》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、TN4公开分类号：____________密级：______________ＵＤＣ：____________单位代码：______________11646硕士专业学位论文论文题目：基于智能计算的预测控制及应用学号：_________________________1212432019姓名：_________________________倪虹集成电路专业学位类别：________________________控制科学与工程专业学位领域：________________________信息科学与工程学院学院：___

2、______________________史旭华指导教师：_________________________合作导师：_________________________论文提交日期：2015年6月15日AThesisSubmittedtoNingboUniversityfortheMaster’sDegreeCandidate：Supervisors：(Associate)ProfessorFacultyofNingboUniversityNingbo315211，ZhejiangP.R.CHINAdate独创性声

3、明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得宁波大学或其他教育机构的学位或证书所使用过的材料。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做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。签名：___________日期：____________关于论文使用授权的声明本人完全了解宁波大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论

4、文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵循此规定）签名：___________导师签名：___________日期：____________基于智能计算的预测控制及应用摘要随着现代工业的飞速发展，工业系统的复杂度大幅提高，针对复杂非线性时滞系统，现有传统的预测控制技术很难实现对其控制。本文针对加热炉炉温控制系统复杂的非线性、大时滞、多干扰的特性，采用基于智能计算的预测控制技术，以实现控制。起先，根据神经网络具有的独特性质，利用其对复杂非线性系

5、统进行辨识，构建出预测模型；其次，依据遗传算法能够借助搜索机制的随机性实现对搜索问题域全局最优解的特点，采用遗传算法来实现预测控制中的滚动优化；再在此基础上，通过对预测控制、神经网络、预测算法进行深入学习，组合成一个优良的控制方案；最后，以加热炉燃料气流量为控制变量，加热炉的出口温度为被控变量，用MATLAB软件进行仿真，求证本文基于智能计算预测控制的良好控制性能，完成本文的研究。本文的研究目标是将神经网络、遗传算法、预测控制三种理论相互结合，将神经网络作为非线性系统的辨识方法，并使用遗传算法对预测控制滚动优化，以实

6、现基于智能计算的预测控制。关键词：预测控制，炉温控制，遗传算法，神经网络，系统辨识-I-PredictiveControlandApplicationBasedonIntelligentComputingAbstractWiththerapiddevelopmentofmodernindustry,industrialsystemcomplexitysignificantly,inviewofthecomplexnonlinearsystemwithtimedelay,predictionofexistingtrad

7、itionalcontroltechnologyisverydifficulttorealizethecontrol.Inthispaper,takingtheheatingfurnacecontrolsystemastheresearchobject,toseekoutacanachievestabilityfornonlinearcomplexsystem,largetimedelay,multidisturbancecontrolmethod,accordingtothecharacteristicsofthe

8、nonlinearsystem,usingpredictivecontroltechnologybasedonintelligentcomputation,realizationofcontrol.Firstofall,witharbitraryapproximationandself-learningabilityofnonlinearfun