论文部分内容阅读
应用计算机技术和先进控制理论对复杂的工业过程和工业设备实施先进控制和优化,增效减耗,是工控领域关注的热点。基于过程的实际输入和输出信息获取对象的动态数学模型,是实施先进控制的基础,对于过程的理解、控制、优化和诊断很有必要。本文所建立的系统建模辨识平台是SCON-2000先进控制软件的重要组成部分,它面向实际工程应用,提供了工业过程中常用的激励信号,集成了数据采集、数据处理、模型辨识和模型验证的功能,可辨识工业过程的线性模型或神经网络模型。平台按照面向对象的软件设计方法设计,提供了添加新的模型和模型辨识算法接口,使平台具有很好的可扩展性。平台具备开放性,可以独立运行,或和其它的具有OPC服务器的计算机系统配套使用进行系统辨识。
系统辨识平台采用神经网络作为非线性对象辨识的模型。为了克服经典神经网络训练速度慢,容易陷入局部最优的缺点,平台引入了柔性神经网络结构。本文以矩阵作为基本运算单位,推导了柔性神经网络的一阶及二阶训练算法,并且通过仿真对比同阶训练算法在柔性神经网络结构和经典网络结构上不同的表现,证明了柔性神经网络结构的优越性。在研究柔性神经网络训练算法的基础上,本文还研究了基于柔性神经网络的非线性预测控制算法,即预测模型选用柔性神经网络结构,优化算法选用Levenberg-Marquardt优化算法,并且使用Duffing方程和CSTR作为被控对象,仿真验证了算法的有效性。
本文共分为五章:第一章是绪论,首先介绍了系统辨识平台的研发背景以及功能和特点:其次简单介绍了预测控制的基本原理以及基于柔性神经网络模型的预测控制算法;最后总结了作者所做的主要工作。第二章介绍了平台中实现的线性模型辨识算法、柔性神经网络的训练算法和神经网络的正则化以及早停止训练算法。第三章主要介绍了系统辨识平台的设计思想和具体实现,以及使用系统辨识平台的建模实例。第四章介绍了基于柔性神经网络的非线性预测控制算法,并且给出了仿真实例。第五章总结了全文并提出了下一步工作方向。