基于智能算法的非線性模型研究及預測控制.pdf

1、近年來，隨著生命科學和計算機技術的迅速發(fā)展，大規(guī)模并行處理技術的產生，以不確定性、非線性、時間不可逆性為內涵，以復雜問題為對象的“復雜性研究”新興邊緣交叉學科的出現(xiàn)，尤其是以粒子群算法（Particle Swarm Optimization，簡稱PSO）、遺傳算法（Genetic Algorithm，簡稱GA）和神經網絡（Artificial Neural Network，簡稱ANN）等為代表智能仿生技術的引入，具有隨機搜索性能的智能優(yōu)

2、化分析方法逐漸發(fā)展起來，為具有時變特性的土木工程問題解決，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。 正是基于這樣一個背景，本文結合智能研究的發(fā)展成果，針對工程的復雜性、時變性特點，將變異粒子群算法（Variation PSO，簡稱VPSO）引入反分析研究，與具有動態(tài)反饋特性的Elman神經網絡（Elman Neural Network，簡稱ENN）進行融合，提出了新的耦合算法“VPSO-ENN”，用于巖土工程智

3、能分析，成功實現(xiàn)了大型工程問題的非線性參數辨識和變形預測控制。本文主要完成以下幾個方面工作： （1）系統(tǒng)地研究了標準粒子群算法（Standard PSO，簡稱SPSO）生物運行機理，針對SPSO算法在求解高維、多峰等復雜非線性優(yōu)化問題時，易陷入局部最優(yōu)解、早熟等缺陷，本文采用粒子速度隨機變異策略，對SPSO算法進行改進，提出了一種具有全局快速收斂的VPSO算法。通過對5個高維復雜Benchmark測試函數的優(yōu)化，結果表明VPSO

4、算法具有搜索機理簡單、算法參數調整少、無需梯度信息的特點，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反饋網絡進行融合，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權值和閾值，使其學習訓練不再依賴于梯度信息。通過VPSO搜尋ENN最優(yōu)的一組權值和閾值，能有效找到問題的全局最優(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，可提高網絡的訓練速度、非線性映射和泛化能力，實現(xiàn)任意非線性函數的逼近。 （3）建立了基于“VPSO-ENN”非線性參數辨識模型，采用隱性數學表達式建模方式，通過對其目標隱函數進行尋優(yōu)，實現(xiàn)了時變系統(tǒng)的辨識輸出值與實際輸出值的高精度擬合，達到非線性參數辨識的目的。結果表明，VPSO-ENN辨識模型具有很強的非線性參數辨識能力，該方法簡單易操作且識別準確率高，用以反推時變系統(tǒng)的未知參數是可行的，具有工程實用性。 （4）根

6、據VPSO算法仿生優(yōu)化原理和網絡控制理論，采用預測智能控制的思想，建立了一個多輸入多輸出（MIMO）的“VPSO-ENN”預測智能控制系統(tǒng)。將預測系統(tǒng)中過去時刻輸出的一階導數和二階導數加入到模型的輸入，使預測模型VPSO-ENNPM具有動態(tài)反饋特性。通過優(yōu)化含有預測信息的目標函數，系統(tǒng)獲得預測控制律，成功地避免了遞推預測模型誤差迭加增大的問題，實現(xiàn)了時變系統(tǒng)預測智能控制。 （6）利用VPSO算法和Elman神經網絡控制技術，采用

7、時間窗口滾動技術，建立了一套集深基坑施工變形預測與控制于一體的“VPSO-ENN”多步預測控制系統(tǒng)，通過建立期望輸出與超前預測輸出之間的非線性隱式方程表達式，成功地避開了復雜的巖土本構關系和力學計算。采用MATIAB7.0編制程序，利用基坑有限的歷史監(jiān)測變形數據和最新的觀測數據，成功地實現(xiàn)了基坑施工變形的多步預測。 工程實例分析表明，基于“VPSO-ENN”智能預測方法具有較高的預測精度、很強的泛化能力，適于對時變系統(tǒng)未來變化趨