论文部分内容阅读
随着神经网络理论的发展,神经网络控制技术与其他先进技术相结合,逐渐渗透到控制的许多个分支。强大的学习、容错、泛化能力以及较好的非线性映射能力使得神经网络可以解决许多传统解耦方法所不能解决的问题,为解耦提供了一种新的思路。本文针对多变量、强耦合、纯迟延系统,提出了一种结合遗传算法、模糊神经网络的解耦方法,将多变量系统解耦成单变量系统。本文首先介绍了解耦控制系统的现状和发展趋势。然后,结合模糊神经网络以及遗传算法的基本理论,深入研究了基于Mamdani推理的模糊神经网络模型,在此基础上构建多输入多输出系统的解耦模型和算法。将所得到的解耦算法具体应用到三维卷筒纸印刷机的速度-张力控制系统的解耦和四维航空发动机的气动热力学系统的解耦问题上,成功的将它们分别解耦成三个和四个单变量系统。这种综合了模糊逻辑和神经网络优势的解耦方法,由于具有非线性和自学习能力,使其解耦性能不受影响,弥补了传统解耦方法对于非线性系统、变结构系统以及耦合关系和耦合强度随时间和负载变化的复杂系统经常无能为力的缺陷,对复杂系统有着较好的解耦能力。这种方法不需要建立精确地数学模型,易于实现。文章最后通过仿真实验验证了该模型的有效性。