神经网络预测控制综述.doc

《神经网络预测控制综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、神经网络预测控制综述摘要：近年来，神经网络预测控制在工业过程控制中不仅得到广泛的应用，而且其理论研究也取得了很大进展。对当前各种神经刚络预测控制方法的现状及其工业应用进行了较深入地分析，并对其存在的问题和今后可能的发展趋势作了进一步探讨。关键词：神经网络；预测控制：非线性系统；工业过程控制Abstract:Inrecentyears,neuralnetworkpredictivecontrolhasnotonlybeenwidelyusedinindustrialprocesscontrol,butalsohasmadegr

2、eatprogressintheoreticalresearch.Thecurrentstatusofvariousneuralnetworkpredictioncontrolmethodsandtheirindustrialapplicationsareanalyzedindepth,andtheexistingquestionandpossiblefuturedevelopmenttrendsarefurtherdiscussed.Keywords:neuralnetwork;predictivecontrol:nonl

3、inearsystem;industrialprocesscontrol20世纪70年代以来，人们从工业过程的特点出发，寻找对模型精度要去不高而同样能实现高质量控制性能的方法，预测控制就是在这种背景下发展起的［1］o预测控制技术最初山Richalet和Cutler提出［2］,具有多步预测、滚动优化、反馈校正等机理，因此能够克服过程模型的不确定性，体现出优良的控制性能，在工业过程控制中取得了成功的应用。如Shell公司＞Honeywell公司＞Centum公司，都在它们的分布式控制系统DCS上装备了商业化的预测控制软件包.并广

4、泛地将其应用于石油、化工、冶金等工业过程中［3］。但是，预测函数控制是以被控对象的基函数的输出响应可以叠加为前提的，因而只适用于线性动态系统控制。对于实际中大量的复杂的非线性工业过程。不能取得理想的控制效果。而神经网络具有分布存储、并行处理、联想记忆、自组织和自学习等功能，以神经元组成的神经网络可以逼近任意的：线性系统。使控制系统具有智能化、鲁棒性和适应性，能处理高维数、非线性、干扰强、难建模的复杂工业过程。因此，将神经网络应用于预测控制，既是实际应用的需要，同时也为预测控制理论的发展开辟了广阔的前景。本文对基于神经网络的预

5、测控制的研究现状进行总结，并展望未来的发展趋势。1神经网络预测控制的基本算法的发展［4］实际中的控制对象都带有一定的菲线性，大多数具有弱非线性的对象可用线性化模型近似，并应用已有的线性控制理论的研究成果来获得较好的控制效果。而对具有强非线性的系统的控制则一直是控制界研究的热点和难点。就预测控制的基木原理而言，只要从被控对彖能够抽取出满足要求的预测模型，它便可以应用于任何类型的系统，包括线性和非线性系统。由于神经网络理论在求解非线性方面的巨大优势，很快被应用于非线性预测控制中。其主要设计思想是：利用一个或多个神经刚络，对非线性

6、系统的过程信息进行前向多步预测，然后通过优化一个含有这些预测信息的多步优化目标函数,获得非线性预测控制律。在实际应用与理论研究中形成了许多不同的算法。如神经网络的内模控制、神经网络的增量型模型算法控制等，近來一些学者对有约束神经网络的预测控制也作了相应的研究。文献［5］设计了多层前馈神经网络，使控制律离线求解。文献［6］采用两个网络进行预测，但结构复杂，距离实际应用还有一定的距离，文献［7］利用递阶遗传算法，经训练得出离线神经网络模型.经多步预测得出对彖的预测模型，给出了具有时延的非线性系统的优化预测控制。将神经网络用于GP

7、C的研究成果有利用Tank.Hopfield网络处理GPC矩阵求逆的算法，基于神经网络误差修止的GPC算法、利用小脑模型进行提前计算的GPC算法、基于GPC的对角递归神经网络控制方法以及用神经网络处理约束情形的预测控制算法。非线性系统的GPC研究成果还有基于双线性模型的GPC算法等［8］°文献［9］提出了多步预测性能指标函数下的神经网络逆动态控制方法，具有好的响应性能。文献［10］用一个神经网络来实现辨识和递推多步预测，控制信号的求取釆用迭代学习，并用拟牛顿法求搜索方向，保证了算法的快速性和稳定性。文献［11］采用神经网络来

8、构造多步预测模型。并采用梯度下降法来训练网络和计算控制律.为实现非线性系统控制提供了一条可行途径。基于线性模型对非线性较强的过程进行多步预测时，就会产生较大的预测偏差。可采用神经网络对其进行补偿校正。并与基于线性模型的预测控制律相结合而构成非线性预测控制器。李少远等［2］基于多输出的前馈网