基于神经网络的非线性系统建模与预测控制

《基于神经网络的非线性系统建模与预测控制》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、摘要摘篆要竺燃黧现在，活跃于控制领域的学者们再也无法忽视以人工神经网络为主题的学术论文、期刊、会议及讨论的快速增长。这也清楚的表明人们对与人工神经网络相关的观念，以及将相应的算法广泛地运用各种各样的领域中有了极大的热情。控制领域作为这样的一个应用领域，其与神经网络的结合和及其取得的相应的成果，有力的见证了这种发展的趋势。神经网络所具有的一些重要的特性，如：任意逼近能力；并行处理能力；学习和自适应能力；数据融合能力；以及其本身所具多输入多输出处理能力等。很显然具有上述各种特性的模型具有广阔的应用前景。

2、鼬厂本文的工作主要围绕着目前用得最多得前馈神经网络(Back--Propagation)以及基于它的新型学习算法和控制器。主要是：1．设计了基于神经元网络的两步预测自适应控制器．这种控制方法在线运算量较少，并且能很好地控制复杂的非线性系统．仿真结果验证了这种方法的有效性．2．提出了一种基于松弛最小二乘法的神经网络学习算法。该算法不仅具有较快的收敛速度，而且具有较小的计算量，因此宜于在网络规模大、训练样本少的情况下应用。将该方法在炼铜转炉吹炼过程的建模中进行了应用，取得了理想的效果。3．提出了一种基于

3、递推平方根法的神经网络模型辨识方法，对Davidon最小二乘法和阻尼最小二乘法进行改善，即保持了二者简单易行、收敛性快的优点，又能提高精度，减少计算量，适合于应用在非线性系统的辨识和自适应控制中。通过与常规的Davidon及阻尼最小二乘法的仿真比较，体现出了这种方法的有效性，尤其是在输入及I摘要隐含节点个数较多的情况，其优点比较明显。关键词：自适应盛葫；神经芫南络；预测拄瓤非垒g桎素统：阻尼最小二乘关键词：自适应控制；神经元网络；预测控制；非线性系统：阻尼最小二乘法；松弛最小二乘／法；Davidon

4、最小二乘法；炼铜转炉吹炼过程；递推平方根法／√‘∥VIIAbstractABSTRACTInrecentyearstherehasbeenanincreasinginterestinstudyingthemechanismsandstructureofthebrain．Thishasledtothedevelopmentofnewcomputationalmodels，basedonthisbiologicalbackground，forsolvingcomplexproblemslikepatte

5、mrecognition，fastinformationprocessingandadaptation．Now,nooneactiveinthefieldofcontrolsystemscanbeunawareofthegrowthofpapers，journals，conferencesandconferencesessionsdevotedtothetopicofArtificialNeuralNetworks．Thisisclearlyindicativeofawideintellectual

6、interestintheconceptsassociatedwithArtificialNeuralNetworkstogetherwithadesiretousethecorrespondingalgorithmswithinarangeofapplicationareas．Controlsystemsformonesuchapplicationareaaswitnessedinpartbyrecentspecialissuesonthesubject．Withspecificreference

7、toneuralnetworksincontrolthefollowingcharacteristicsandpropertiesofneuralnetworksareimportant：havinggreatestpromiseintherealmofnonlinearcontrolproblemsfortheirtheoreticalabilitytoapproximatearbitrarynonlinearmappings；havingahighlyparallelstructurewhich

8、lendsitselfimmediatelytoparallelimplementation；hardwareimplementation；Learningandadaptationability；havingabilitytooperatesimultaneouslyonbothquantitativeandqualitativedata；andnaturallyprocessingmanyinputsandhavingmanyoutputs，whicharerea