论文部分内容阅读
近年来,国内外市场竞争日趋激烈,使得生产企业对工业产品生产过程的控制性能提出了更高的要求,而实际工业生产过程通常具有较强的非线性、不确定性、耦合性、时变性等特点,这些特性使得建立在线性系统理论的控制方法不再适用。因此,生产过程的非线性控制方法成为了过程控制领域的研究热点。在现有的非线性控制方法中,由于神经网络具有较强的非线性逼近能力、自学习能力,使得神经网络控制方法得到广泛研究。然而,目前已经提出的神经网络控制方法在实际工程应用中存在较大局限性,主要表现在网络参数初值的有效确定,当网络参数的初值设置不合理时,这些方法较难获得理想的控制效果。为此,本文以模型参考的神经网络控制方法为例,对网络参数的有效确定问题展开研究,主要有以下几方面内容。首先,研究了模型参考神经网络控制方法的参数调节原理,分析了该方法的局限性,指出了局限性存在的原因,为后面章节的研究奠定了基础。其次,在模型参考神经网络控制方法基础上,提出了终点偏向神经网络控制方法。该方法先从训练网络参数的目标函数出发,分别构造了均方差和最大相关熵的终点偏向目标函数;同时,为了避免传统BP算法、LM算法易陷入局部极值、初值选取困难的缺陷,该方法采用了具有全局搜索能力的差分进化算法进行参数训练。为了验证所提方法的有效性,选择了多输入多输出系统进行仿真实验,仿真结果表明了终点偏向神经网络控制方法具有较好的控制效果。最后,将终点偏向神经网络控制方法应用于单/双容水箱的液位控制。从应用过程来看,相比模型参考神经网络控制方法,终点偏向控制更具便捷性,原因在于该方法的离线参数直接可用于实时控制。从控制效果来看,终点偏向控制方法具有较好的控制精度。综合仿真与实际控制结果可以看出,本文提出的终点偏向神经网络控制方法能够用于具有非线性、不确定性、耦合性特点的系统控制。