大滯后論文：基于神經(jīng)網(wǎng)絡(luò)的內(nèi)模控制在溫度控制系統(tǒng)的研究.doc

大滯后論文：基于神經(jīng)網(wǎng)絡(luò)的內(nèi)?？刂圃跍囟瓤刂葡到y(tǒng)的研究【中文摘要】溫度控制系統(tǒng)是現(xiàn)代大多數(shù)工業(yè)中一個(gè)重要的組成部分,這種系統(tǒng)具有典型的大滯后性、大慣性、非線性等特點(diǎn)。由于滯后的存在嚴(yán)重影響了系統(tǒng)的穩(wěn)定性和控制性能,而基于精確數(shù)學(xué)模型的常規(guī)控制方法通常難以獲得滿意的動(dòng)、靜態(tài)控制性能,并且系統(tǒng)在運(yùn)行中參數(shù)的時(shí)變和外界環(huán)境的不確定因素的影響下,使這種系統(tǒng)更加難以控制。因此,研究更為先進(jìn)的控制算法具有重要的理論意義和現(xiàn)實(shí)意義。本文以電加熱爐為研究對(duì)象,對(duì)其特性進(jìn)行系統(tǒng)分析基礎(chǔ)上抽象出該系統(tǒng)的數(shù)學(xué)模型。基于該模型,著重研究了具有大滯后控制系統(tǒng)的優(yōu)化算法。主要內(nèi)容如下:1、基于一些有效時(shí)滯控制算法分析的基礎(chǔ)上,對(duì)Smith預(yù)估控制算法和內(nèi)?？刂扑惴ㄟM(jìn)行重點(diǎn)仿真驗(yàn)證。仿真結(jié)果表明,內(nèi)?？刂圃跁r(shí)滯控制系統(tǒng)中具有更好的抗干擾性和魯棒性;由于徑向基(RBF)神經(jīng)網(wǎng)絡(luò)具有快速學(xué)習(xí)并能逼近任意非線性函數(shù)的優(yōu)點(diǎn),本文用徑向基網(wǎng)絡(luò)分別設(shè)計(jì)內(nèi)?？刂扑惴ㄖ械膬?nèi)部模型和內(nèi)?？刂破?提出基于神經(jīng)網(wǎng)絡(luò)的內(nèi)模控制算法應(yīng)用在時(shí)滯工業(yè)控制中;2、本文針對(duì)以下兩方面進(jìn)行了改進(jìn):首先,模型逆模型的設(shè)計(jì)方面,本文深入研究了各種辨識(shí)的結(jié)構(gòu)并對(duì)它們進(jìn)行了詳細(xì)的分析,在此基礎(chǔ)上提出了改進(jìn)型逆模型辨識(shí)結(jié)構(gòu)并對(duì)其進(jìn)行.【英文摘要】Temperature control system is one of the most important part in modern industry, thesystems typically have large delay, large inertia, nonlinear and so on. The large time-delay,which is frequently a source of instability and performance deterioration, has been one of thebiggest problem in the control field.The conventional control methods based on accuratemathematical model are often difficult to obtain a ideal dynamic and static controlperformance, otherwise, this system more difficult to control because o.【關(guān)鍵詞】大滯后 內(nèi)?？刂?RBF網(wǎng)絡(luò) 次勝者受罰競(jìng)爭(zhēng)學(xué)習(xí) 電加熱爐【英文關(guān)鍵詞】Largedelay IMC RBFnetwork RPCL Electricheater【目錄】基于神經(jīng)網(wǎng)絡(luò)的內(nèi)?？刂圃跍囟瓤刂葡到y(tǒng)的研究摘要4-5Abstract51 緒論9-131.1 課題研究的目的和意義9-101.2 國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)10-121.3 本人研究?jī)?nèi)容12-132 被控對(duì)象分析13-172.1 電加熱爐介紹132.2 被控對(duì)象特性分析13-142.3 被控對(duì)象建模14-173 時(shí)滯系統(tǒng)概述17-253.1 時(shí)滯系統(tǒng)的概念173.2 時(shí)滯環(huán)節(jié)的傳遞函數(shù)和頻率特性17-183.2.1 傳遞函數(shù)173.2.2 頻率特性17-183.3 時(shí)滯過程控制主要問題183.4 一些有效時(shí)滯系統(tǒng)控制算法介紹18-233.4.1 PID控制18-193.4.2 Smith預(yù)估控制及其改進(jìn)算法19-203.4.3 內(nèi)?？刂?0-213.4.4 智能控制21-223.4.5 變結(jié)構(gòu)控制223.4.6 其他控制算法22-233.5 含有時(shí)滯過程控制系統(tǒng)的發(fā)展趨勢(shì)23-254 控制算法研究25-454.1 Smith預(yù)估控制算法25-284.1.1 時(shí)滯系統(tǒng)Smith預(yù)估控制的設(shè)計(jì)方法25-264.1.2 史密斯控制算法性能分析26-284.2 內(nèi)模控制28-334.2.1 內(nèi)?？刂葡到y(tǒng)的結(jié)構(gòu)和原理28-294.2.2 內(nèi)?？刂频奶匦苑治?9-304.2.3 IMC控制器的設(shè)計(jì)方法30-324.2.4 反饋濾波器的設(shè)置32-334.2.5 內(nèi)模控制和Smith預(yù)估控制器的關(guān)系334.3 IMC與smith預(yù)估控制算法仿真比較33-364.3 神經(jīng)網(wǎng)絡(luò)理論36-454.3.1 人工神經(jīng)網(wǎng)絡(luò)概述364.3.2 神經(jīng)網(wǎng)絡(luò)的功能和特點(diǎn)36-374.3.3 神經(jīng)網(wǎng)絡(luò)基本處理單元-神經(jīng)元37-384.3.4 徑向基函數(shù)網(wǎng)絡(luò)384.3.5 徑向基函數(shù)網(wǎng)絡(luò)的結(jié)構(gòu)38-414.3.6 徑向基網(wǎng)絡(luò)的學(xué)習(xí)方法41-434.3.7 改進(jìn)的RBF網(wǎng)絡(luò)中心學(xué)習(xí)算法43-455 系統(tǒng)辨識(shí)45-625.1 基于響應(yīng)曲線的系統(tǒng)辨識(shí)方法47-485.2 最小二乘辨識(shí)方法485.3 相關(guān)系數(shù)辨識(shí)法7948-505.4 神經(jīng)網(wǎng)絡(luò)辨識(shí)50-525.5 對(duì)象逆模型建模52-625.5.1 系統(tǒng)可逆性分析52-545.5.2 神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)54-585.5.3 改進(jìn)的逆模型辨識(shí)結(jié)構(gòu)585.5.4 正、逆模型辨識(shí)仿真58-626 基于神經(jīng)網(wǎng)絡(luò)內(nèi)模控制溫度系統(tǒng)控制62-716.1 基于神經(jīng)網(wǎng)絡(luò)的內(nèi)?？刂圃?2-636.2 改進(jìn)的神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?3-646.3 內(nèi)部模型和內(nèi)?？刂频脑O(shè)計(jì)64-666.3.1 內(nèi)部模