一般化學(xué)習(xí)網(wǎng)絡(luò)在非線性系統(tǒng)辨識(shí)及預(yù)測(cè)控制中的應(yīng)用研究.pdf

1、智能預(yù)測(cè)控制是針對(duì)復(fù)雜的受控系統(tǒng)，采用某種智能模型與典型的預(yù)測(cè)控制算法相結(jié)合構(gòu)成的一類(lèi)智能型預(yù)測(cè)控制系統(tǒng)，它彌補(bǔ)了傳統(tǒng)預(yù)測(cè)控制算法精度不高、僅適用于線性系統(tǒng)、缺乏自學(xué)習(xí)和自組織功能、魯棒性不強(qiáng)的缺陷。智能預(yù)測(cè)控制可以處理非線性、多目標(biāo)、約束條件等異常情況。因此，智能預(yù)測(cè)控制是當(dāng)前預(yù)測(cè)控制研究的熱點(diǎn)之一。本文主要研究一種新型神經(jīng)網(wǎng)絡(luò)即一般化學(xué)習(xí)網(wǎng)絡(luò)(Universal Lgaming Network)在非線性系統(tǒng)辨識(shí)以及預(yù)測(cè)控制中的應(yīng)用。

2、 一般化學(xué)習(xí)網(wǎng)絡(luò)具有節(jié)點(diǎn)之間有多重分支、任意兩個(gè)節(jié)點(diǎn)互連且節(jié)點(diǎn)之間可具有任意的時(shí)間延遲的特點(diǎn)，因此能夠應(yīng)用在高度非線性復(fù)雜系統(tǒng)的辨識(shí)中。本文首先詳細(xì)介紹了一般化學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)以及學(xué)習(xí)算法后，將該網(wǎng)絡(luò)應(yīng)用于對(duì)機(jī)器人手臂的實(shí)測(cè)信號(hào)進(jìn)行系統(tǒng)辨識(shí)，通過(guò)系統(tǒng)仿真驗(yàn)證了具有多重分支的一般化學(xué)習(xí)網(wǎng)絡(luò)優(yōu)于單分支的神經(jīng)網(wǎng)絡(luò)。然后分別用一般化學(xué)習(xí)網(wǎng)絡(luò)和常規(guī)的遞歸神經(jīng)網(wǎng)絡(luò)Elman對(duì)多變量連續(xù)釜式反應(yīng)器(CSTR)進(jìn)行系統(tǒng)辨識(shí)比較，仿真結(jié)果進(jìn)一步驗(yàn)證

3、了一般化學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)比遞歸神經(jīng)網(wǎng)絡(luò)Elman的辨識(shí)精度更高，且網(wǎng)絡(luò)結(jié)構(gòu)更簡(jiǎn)潔緊湊。 基于一般化學(xué)習(xí)網(wǎng)絡(luò)對(duì)復(fù)雜系統(tǒng)良好的辨識(shí)能力，本文提出了將一般化學(xué)習(xí)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)預(yù)測(cè)控制中，利用一般化學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建一個(gè)一般化學(xué)習(xí)網(wǎng)絡(luò)預(yù)測(cè)模型(ULNP)來(lái)預(yù)測(cè)模型未來(lái)時(shí)刻的輸出值，然后利用BP神經(jīng)網(wǎng)絡(luò)控制器(NNC)實(shí)現(xiàn)基于模型的預(yù)測(cè)控制。本文詳細(xì)描述了一般化學(xué)習(xí)網(wǎng)絡(luò)預(yù)測(cè)模型和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制器模型及其在線學(xué)習(xí)的推導(dǎo)過(guò)程。仿真結(jié)果證實(shí)了所提