基于模糊算法的前馈控制和递归神经网络的反馈控制在中和过程控制中的应用
pH值控制论文 模糊控制论文 前馈控制论文 神经网络控制论文 Elman网论文
论文详情
中和过程是一个典型的非线性、纯时延过程,用常规的线性控制方法不可能对其进行有效控制。在对中和过程自动控制算法的探索中,采用了非线性参数自整定控制和基于模型的前馈控制,本文介绍了这种控制系统的实现和现场控制效果,由于中和控制过程的模型极其难以确定,反应过程变化复杂,因此基于模型的前馈控制无法对pH值和流量值的波动进行有效的补偿。PID控制算法也无法对反应的变化过程做快速的、精确的反应,在控制过程中很容易引起振荡现象,很难对系统实现最优控制。 模糊控制完全是在操作人员控制经验的基础上实现对系统的控制,无需建立数学模型,具有较强的鲁棒性,适用于非线性、时变、时滞系统的控制,对中和过程的控制尤其适合。因此在本系统中引入模糊控制作为前馈控制模型。 神经网络具有逼近任意连续非线性函数的能力,但常用的多层前馈式反传网络本质上是一种静态网络,不适合动态系统的实时辨识,而递归神经网络能够实现对动态系统状态记忆机制的模拟,因此更适合于作为动态时延系统的模型。作者提出了一种基于改进Elman神经网络的一步导前预测控制算法。文中详细描述了用改进的Elman网作为中和过程预测模型的训练算法,利用神经网络梯度信息求取过程控制量的“滚动优化、反馈校正”的控制算法。同时,还介绍了该神经网络一步导前预测控制的实现过程。给出了改进Elman神经网络模型的逼近速度和精度,比较了两种控制方法的控制效果。控制效果表明,该神经网络模型具有很好的动态特性和较强的鲁棒性。 本文最后对全文所做的工作进行了总结,并提出了今后进一步研究所需要做的工作。
第一章 绪论 | 第7-25页 |
1.1 传统控制的局限和智能控制的发展 | 第7-10页 |
1.2 模糊控制的基本思想 | 第10-12页 |
1.3 模糊控制的优点和缺陷 | 第12-13页 |
1.4 神经网络的特点及其控制的优越性 | 第13-14页 |
1.5 常见的神经网络控制方案及其应用 | 第14-21页 |
1.5.1 有监督控制(Supervised Control) | 第15页 |
1.5.2 直接逆控制(Neural Inverse Control) | 第15-16页 |
1.5.3 内模控制(Internal Model Control) | 第16-17页 |
1.5.4 模型预测控制(Model Predictive Control) | 第17-19页 |
1.5.5 模型参考自适应控制(Model Reference Adaptive Control) | 第19-20页 |
1.5.6 CMAC小脑模型控制 | 第20页 |
1.5.7 再励学习控制(Reinforcement Learning Control) | 第20-21页 |
1.6 常用于控制的几种神经网络 | 第21-25页 |
1.6.1 前向多层神经网络(FNN) | 第21-22页 |
1.6.2 Hopfield网络(HNN) | 第22页 |
1.6.3 自组织特性映射(Kohonen) | 第22-23页 |
1.6.4 小脑模型网络(CMAC) | 第23页 |
1.6.5 径向基函数神经网络(RBF) | 第23-25页 |
第二章 中和过程机理及其常规控制方法 | 第25-40页 |
2.1 pH中和的过程特性和机理模型 | 第25-29页 |
2.1.1 pH值中和过程的特性 | 第25-27页 |
2.1.2 pH值中和过程的机理模型 | 第27-29页 |
2.2 中和过程的不完全微分PID控制 | 第29-32页 |
2.2.1 常规的线性PID控制规律 | 第30-31页 |
2.2.2 采用不完全微分的PID控制 | 第31-32页 |
2.3 非线性PID的参数自整定模型 | 第32-36页 |
2.3.1 线性PID的参数整定 | 第34页 |
2.3.2 非线性PID的参数整定 | 第34-35页 |
2.3.3 仿真研究 | 第35-36页 |
2.4 前馈控制模型 | 第36-40页 |
第三章 基于模糊算法的中和过程前馈控制 | 第40-65页 |
3.1 模糊逻辑系统的组成和分类 | 第40-44页 |
3.1.1 模糊产生器 | 第40-41页 |
3.1.2 模糊数据库和规则库 | 第41-42页 |
3.1.3 模糊推理机 | 第42-43页 |
3.1.4 反模糊化器 | 第43-44页 |
3.2 常见的模糊逻辑系统 | 第44-46页 |
3.3 模糊系统的确定技术 | 第46-57页 |
3.3.1 模糊逻辑系统的反向传播学习算法 | 第46-49页 |
3.3.2 模糊逻辑系统的OLS法确定 | 第49-52页 |
3.3.3 模糊逻辑系统的表格查询学习算法 | 第52-57页 |
3.4 基于模糊控制算法的前馈模型的设计 | 第57-65页 |
第四章 基于ELMAN神经网络的中和过程预测控制算法 | 第65-80页 |
4.1 预测控制的发展 | 第65页 |
4.2 模型预测控制算法 | 第65-70页 |
4.2.1 单步模型算法控制 | 第66-69页 |
4.2.2 多步模型算控制 | 第69-70页 |
4.3 神经网络在中和过程预测控制中的应用 | 第70-78页 |
4.3.1 递归网络辨识动态时延系统 | 第71页 |
4.3.2 Elman神经网络 | 第71-73页 |
4.3.3 改进的Elman神经网络及其学习算法 | 第73-75页 |
4.3.4 辨识结果的优化控制算法 | 第75-76页 |
4.3.5 中和过程的Elman神经网络控制模型 | 第76-78页 |
4.4 中和过程神经网络控制系统的仿真实验 | 第78-80页 |
第五章 PH中和过程自控系统的实现 | 第80-85页 |
5.1 中和过程自动控制方案设计 | 第80-81页 |
5.2 基于模糊算法的前馈控制的实现 | 第81-82页 |
5.3 基于改进ELMAN神经网络反馈控制的实现 | 第82-83页 |
5.4 控制效果分析 | 第83-85页 |
第六章 结束语 | 第85-88页 |
参考文献 | 第88-91页 |
硕士生期间参加的科研项目 | 第91-92页 |
致谢 | 第92页 |
论文购买
论文编号
ABS1419206,这篇论文共92页
会员购买按0.30元/页下载,共需支付
27.6。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
46。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文