基于神經(jīng)網(wǎng)絡(luò)的多變量解耦控制方法研究.pdf

1、在工業(yè)控制中，被控系統(tǒng)往往是多變量、強(qiáng)耦合的時(shí)變系統(tǒng)。多變量系統(tǒng)的回路之間存在耦合，即系統(tǒng)某一個(gè)輸入變量的改變通常會(huì)引起部分甚至全部輸出變量的變化，降低控制系統(tǒng)的調(diào)節(jié)品質(zhì)，耦合嚴(yán)重會(huì)使系統(tǒng)無法運(yùn)行。為了得到滿意的控制效果，必須對(duì)多變量系統(tǒng)實(shí)行解耦控制。 多變量系統(tǒng)的解耦控制能把個(gè)回路之間相互耦合多輸入一多輸出系統(tǒng)變換為若干個(gè)相互獨(dú)立的單變量系統(tǒng)，某一輸出僅對(duì)某一輸入有響應(yīng)，從而使各個(gè)控制回路能很好的控制和運(yùn)行。但對(duì)于絕大多數(shù)的多

2、變量、強(qiáng)耦合、非線性、時(shí)變系統(tǒng)，采用單變量系統(tǒng)的設(shè)計(jì)方法已不能解決問題。如何獲得這類復(fù)雜過程的解耦控制已經(jīng)成為控制工程領(lǐng)域具有重要意義的熱點(diǎn)問題。多變量系統(tǒng)的解耦可分為傳統(tǒng)解耦控制，自適應(yīng)解耦控制，智能解耦控制(包括模糊解耦控制和神經(jīng)網(wǎng)絡(luò)解耦控制)，非線性與魯棒解耦控制。 神經(jīng)元網(wǎng)絡(luò)解耦控制是當(dāng)前控制理論界的重大課題之一，尤其適用于傳統(tǒng)控制方法難以解決的問題，因此更具有研究?jī)r(jià)值。文獻(xiàn)[1]討論了對(duì)PID神經(jīng)網(wǎng)絡(luò)采用BP算法訓(xùn)練連

3、接權(quán)值。文獻(xiàn)[2]提出了基于標(biāo)準(zhǔn)遺傳算法的PID神經(jīng)網(wǎng)絡(luò)解耦控制算法。文獻(xiàn)[1]采用BP算法存在易陷入局部極值的缺點(diǎn)，因此有可能使最終的控制結(jié)果達(dá)不到理想狀態(tài)。文獻(xiàn)[2]中，標(biāo)準(zhǔn)遺傳算法隨著進(jìn)化代數(shù)的增加，種群的多樣性逐漸減少，易出現(xiàn)種群早熟的現(xiàn)象，常常得到接近全局最優(yōu)解的次優(yōu)解。 基于上述原因，作者采用一種改進(jìn)的遺傳算法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)PID控制器的參數(shù)。該方法設(shè)計(jì)了基于目標(biāo)函數(shù)的適應(yīng)度函數(shù)，自適應(yīng)的交叉概率、變異概率，引入移民