基于神經(jīng)網(wǎng)絡的非線性時滯系統(tǒng)預測PID控制.pdf

1、在工業(yè)過程控制中，被控對象往往存在不同程度的時滯。時滯的存在往往會使控制效果變差，系統(tǒng)穩(wěn)定性降低。解決時滯問題的關鍵是對輸出的預測，故近年來預測控制成為時滯系統(tǒng)控制的主要方法之一。目前，線性系統(tǒng)的預測控制研究已較為成熟，對非線性系統(tǒng)預測控制的研究成果相對較少，而實際工業(yè)過程大多是非線性的，因此研究非線性系統(tǒng)的預測控制就顯得尤為重要。然而，時滯系統(tǒng)很難靠單一的控制方法來完善解決，針對時滯系統(tǒng)的特點，研究和探索與智能理論相結合的控制方法就顯

2、得十分必要。由于神經(jīng)網(wǎng)絡具有并行機制、自學習和自適應能力，可以用來逼近任意復雜的非線性系統(tǒng)，使得神經(jīng)網(wǎng)絡與預測控制方法相結合成為研究熱點之一。 本文首先綜述非線性預測控制研究進展，闡明預測控制的預測模型、滾動優(yōu)化和反饋校正的思想，并對智能PID的研究現(xiàn)狀進行概述，同時引入一種新的神經(jīng)網(wǎng)絡——極限學習機，嘗試對其改進后應用于非線性系統(tǒng)的建模與辨識。在此基礎上，針對工業(yè)過程中非線性時滯系統(tǒng)控制問題，本文提出一種基于極限學習機的新型預

3、測PID控制。該方法將控制結構分為兩層，上層采用極限學習機作為智能預測模型，下層采用改進型單神經(jīng)元自適應預測：PID控制算法，利用預測控制克服時滯，利用智能方法優(yōu)化PID控制器參數(shù)。應用極限學習機作為預測模型不僅可以保證快速性，還可以保證控制精度。改進型單神經(jīng)元PID控制中引入輸出加權的廣義預測性能函數(shù)作為控制器的目標函數(shù)，使控制更為精確、快速。這種方法具有非?？斓膶W習速度，能夠得到較小的訓練誤差和最小規(guī)模的權值矩陣，并獲得較好的泛化性