2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、工業(yè)生產(chǎn)中的系統(tǒng)通常具有強(qiáng)非線性、時變性、時滯性和不確定性等特征,傳統(tǒng)PID控制方法和現(xiàn)代控制理論都難以達(dá)到期望的控制目標(biāo),預(yù)測控制是為滿足工業(yè)生產(chǎn)優(yōu)化控制的需求而發(fā)展起來的一類優(yōu)化控制方法,具有跟蹤性能強(qiáng)、控制效果好、魯棒性強(qiáng)等優(yōu)點,因而得到了廣泛的應(yīng)用。其中預(yù)測模型的建立是整個預(yù)測控制的基礎(chǔ),滾動優(yōu)化是其最鮮明的特征,但是對于復(fù)雜多變的非線性對象,其模型結(jié)構(gòu)和參數(shù)難以辨識,預(yù)測模型的建立存在難點,在實施滾動優(yōu)化的過程中,非線性控制量

2、的求解問題也十分復(fù)雜。
  針對上述問題,本文研究了預(yù)測控制中的非線性系統(tǒng)的建模方法和控制量優(yōu)化問題,提出一種基于改進(jìn)粒子群算法和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制方法,并將該方法應(yīng)用于連續(xù)攪拌反應(yīng)釜控制系統(tǒng)中,取得了良好的控制效果。具體研究內(nèi)容如下:
  針對粒子群優(yōu)化算法(PSO)在迭代過程中容易陷入局部極值、搜索性能過分依賴于參數(shù)設(shè)置的缺點,首先對粒子群算法主要參數(shù)的選擇和設(shè)置方法進(jìn)行了改進(jìn),慣性權(quán)重采用線性遞減法,學(xué)

3、習(xí)因子采用非對稱線性變化法,以調(diào)整算法對解空間的全局與局部搜索能力。其次,將遺傳算法和混沌算法融合進(jìn)PSO算法中,提出了遺傳粒子群算法(GAPSO)和混沌粒子群算法(CPSO)兩種改進(jìn)的算法。GAPSO算法將遺傳算法中的交叉操作與變異操作融合到粒子群的尋優(yōu)迭代過程中,并采用自適應(yīng)交叉和自適應(yīng)變異的方式,增強(qiáng)種群跳出局部最優(yōu)解的能力。CPSO算法通過混沌序列初始化粒子位置,使PSO算法從較好的初始值開始尋優(yōu),同時,在迭代過程中混沌優(yōu)化部分

4、粒子,以改善PSO算法易陷入局部極值、迭代后期收斂速度慢的缺陷,提高PSO算法的收斂性能和尋優(yōu)精度。采用標(biāo)準(zhǔn)測試函數(shù)對所提出的改進(jìn)粒子群算法進(jìn)行仿真測試,驗證了GAPSO算法和CPSO算法的尋優(yōu)性能較優(yōu)。
  針對徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)模型參數(shù)難以設(shè)置的問題,提出了一種基于混沌粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的建模方法,該方法采用混沌粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)基函數(shù)的中心、寬度以及網(wǎng)絡(luò)的連接權(quán)值、閾值等參數(shù)。通過與RBF神經(jīng)網(wǎng)

5、絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等建模方法進(jìn)行仿真比較,驗證了基于CPSO-RBF神經(jīng)網(wǎng)絡(luò)方法對非線性系統(tǒng)具有更高的建模精度。
  針對非線性系統(tǒng)控制問題,提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)和GAPSO算法的非線性預(yù)測控制方法。該方法利用CPSO算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)建立多步預(yù)測模型并預(yù)測系統(tǒng)輸出值,采用RBF神經(jīng)網(wǎng)絡(luò)離線和在線訓(xùn)練相結(jié)合的方式,實現(xiàn)了模型參數(shù)的在線校正;利用遺傳粒子群算法作為滾動優(yōu)化策略求解目標(biāo)函數(shù),來獲得系統(tǒng)相應(yīng)的控制

6、量。通過仿真實驗驗證了GAPSO-RBF神經(jīng)網(wǎng)絡(luò)非線性預(yù)測控制方法具有較好的綜合控制性能。
  最后,把基于GAPSO-RBF神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制方法應(yīng)用到連續(xù)攪拌反應(yīng)釜(CSTR)的反應(yīng)物濃度控制中,利用CPSO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型并預(yù)測反應(yīng)物濃度,采用遺傳粒子群算法對目標(biāo)函數(shù)進(jìn)行求解,得到未來的控制作用。通過對CSTR控制系統(tǒng)進(jìn)行仿真實驗,結(jié)果表明基于GAPSO-RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測控制方法可以快速、有效地跟蹤

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論