基于智能算法的非線性模型研究及預(yù)測(cè)控制.pdf

1、近年來(lái)，隨著生命科學(xué)和計(jì)算機(jī)技術(shù)的迅速發(fā)展，大規(guī)模并行處理技術(shù)的產(chǎn)生，以不確定性、非線性、時(shí)間不可逆性為內(nèi)涵，以復(fù)雜問(wèn)題為對(duì)象的“復(fù)雜性研究”新興邊緣交叉學(xué)科的出現(xiàn)，尤其是以粒子群算法（Particle Swarm Optimization，簡(jiǎn)稱PSO）、遺傳算法（Genetic Algorithm，簡(jiǎn)稱GA）和神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡(jiǎn)稱ANN）等為代表智能仿生技術(shù)的引入，具有隨機(jī)搜索性能的智能優(yōu)

2、化分析方法逐漸發(fā)展起來(lái)，為具有時(shí)變特性的土木工程問(wèn)題解決，提供了一種全新的研究思路和方法，并已取得了重大的科研成果。 正是基于這樣一個(gè)背景，本文結(jié)合智能研究的發(fā)展成果，針對(duì)工程的復(fù)雜性、時(shí)變性特點(diǎn)，將變異粒子群算法（Variation PSO，簡(jiǎn)稱VPSO）引入反分析研究，與具有動(dòng)態(tài)反饋特性的Elman神經(jīng)網(wǎng)絡(luò)（Elman Neural Network，簡(jiǎn)稱ENN）進(jìn)行融合，提出了新的耦合算法“VPSO-ENN”，用于巖土工程智

3、能分析，成功實(shí)現(xiàn)了大型工程問(wèn)題的非線性參數(shù)辨識(shí)和變形預(yù)測(cè)控制。本文主要完成以下幾個(gè)方面工作： （1）系統(tǒng)地研究了標(biāo)準(zhǔn)粒子群算法（Standard PSO，簡(jiǎn)稱SPSO）生物運(yùn)行機(jī)理，針對(duì)SPSO算法在求解高維、多峰等復(fù)雜非線性優(yōu)化問(wèn)題時(shí)，易陷入局部最優(yōu)解、早熟等缺陷，本文采用粒子速度隨機(jī)變異策略，對(duì)SPSO算法進(jìn)行改進(jìn)，提出了一種具有全局快速收斂的VPSO算法。通過(guò)對(duì)5個(gè)高維復(fù)雜Benchmark測(cè)試函數(shù)的優(yōu)化，結(jié)果表明VPSO

4、算法具有搜索機(jī)理簡(jiǎn)單、算法參數(shù)調(diào)整少、無(wú)需梯度信息的特點(diǎn)，與SPSO相比，VPSO算法的收斂精度、收斂速度以及算法穩(wěn)定性，均得到顯著地提高。 （2）將VPSO算法與Elman反饋網(wǎng)絡(luò)進(jìn)行融合，提出了一種新的耦合算法“VPSO-ENN”。采用VPSO算法優(yōu)化并確定ENN權(quán)值和閾值，使其學(xué)習(xí)訓(xùn)練不再依賴于梯度信息。通過(guò)VPSO搜尋ENN最優(yōu)的一組權(quán)值和閾值，能有效找到問(wèn)題的全局最優(yōu)解，克服了ENN算法易于陷入局部極小和收斂速度慢的缺

5、點(diǎn)，可提高網(wǎng)絡(luò)的訓(xùn)練速度、非線性映射和泛化能力，實(shí)現(xiàn)任意非線性函數(shù)的逼近。 （3）建立了基于“VPSO-ENN”非線性參數(shù)辨識(shí)模型，采用隱性數(shù)學(xué)表達(dá)式建模方式，通過(guò)對(duì)其目標(biāo)隱函數(shù)進(jìn)行尋優(yōu)，實(shí)現(xiàn)了時(shí)變系統(tǒng)的辨識(shí)輸出值與實(shí)際輸出值的高精度擬合，達(dá)到非線性參數(shù)辨識(shí)的目的。結(jié)果表明，VPSO-ENN辨識(shí)模型具有很強(qiáng)的非線性參數(shù)辨識(shí)能力，該方法簡(jiǎn)單易操作且識(shí)別準(zhǔn)確率高，用以反推時(shí)變系統(tǒng)的未知參數(shù)是可行的，具有工程實(shí)用性。 （4）根

6、據(jù)VPSO算法仿生優(yōu)化原理和網(wǎng)絡(luò)控制理論，采用預(yù)測(cè)智能控制的思想，建立了一個(gè)多輸入多輸出（MIMO）的“VPSO-ENN”預(yù)測(cè)智能控制系統(tǒng)。將預(yù)測(cè)系統(tǒng)中過(guò)去時(shí)刻輸出的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)加入到模型的輸入，使預(yù)測(cè)模型VPSO-ENNPM具有動(dòng)態(tài)反饋特性。通過(guò)優(yōu)化含有預(yù)測(cè)信息的目標(biāo)函數(shù)，系統(tǒng)獲得預(yù)測(cè)控制律，成功地避免了遞推預(yù)測(cè)模型誤差迭加增大的問(wèn)題，實(shí)現(xiàn)了時(shí)變系統(tǒng)預(yù)測(cè)智能控制。 （6）利用VPSO算法和Elman神經(jīng)網(wǎng)絡(luò)控制技術(shù)，采用

7、時(shí)間窗口滾動(dòng)技術(shù)，建立了一套集深基坑施工變形預(yù)測(cè)與控制于一體的“VPSO-ENN”多步預(yù)測(cè)控制系統(tǒng)，通過(guò)建立期望輸出與超前預(yù)測(cè)輸出之間的非線性隱式方程表達(dá)式，成功地避開(kāi)了復(fù)雜的巖土本構(gòu)關(guān)系和力學(xué)計(jì)算。采用MATIAB7.0編制程序，利用基坑有限的歷史監(jiān)測(cè)變形數(shù)據(jù)和最新的觀測(cè)數(shù)據(jù)，成功地實(shí)現(xiàn)了基坑施工變形的多步預(yù)測(cè)。 工程實(shí)例分析表明，基于“VPSO-ENN”智能預(yù)測(cè)方法具有較高的預(yù)測(cè)精度、很強(qiáng)的泛化能力，適于對(duì)時(shí)變系統(tǒng)未來(lái)變化趨