基于神經網絡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、強耦合的時變系統(tǒng)。多變量系統(tǒng)的回路之間存在耦合，即系統(tǒng)某一個輸入變量的改變通常會引起部分甚至全部輸出變量的變化，降低控制系統(tǒng)的調節(jié)品質，耦合嚴重會使系統(tǒng)無法運行。為了得到滿意的控制效果，必須對多變量系統(tǒng)實行解耦控制。 多變量系統(tǒng)的解耦控制能把個回路之間相互耦合多輸入一多輸出系統(tǒng)變換為若干個相互獨立的單變量系統(tǒng)，某一輸出僅對某一輸入有響應，從而使各個控制回路能很好的控制和運行。但對于絕大多數的多

2、變量、強耦合、非線性、時變系統(tǒng)，采用單變量系統(tǒng)的設計方法已不能解決問題。如何獲得這類復雜過程的解耦控制已經成為控制工程領域具有重要意義的熱點問題。多變量系統(tǒng)的解耦可分為傳統(tǒng)解耦控制，自適應解耦控制，智能解耦控制(包括模糊解耦控制和神經網絡解耦控制)，非線性與魯棒解耦控制。 神經元網絡解耦控制是當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，因此更具有研究價值。文獻[1]討論了對PID神經網絡采用BP算法訓練連

3、接權值。文獻[2]提出了基于標準遺傳算法的PID神經網絡解耦控制算法。文獻[1]采用BP算法存在易陷入局部極值的缺點，因此有可能使最終的控制結果達不到理想狀態(tài)。文獻[2]中，標準遺傳算法隨著進化代數的增加，種群的多樣性逐漸減少，易出現種群早熟的現象，常常得到接近全局最優(yōu)解的次優(yōu)解。 基于上述原因，作者采用一種改進的遺傳算法來訓練神經網絡PID控制器的參數。該方法設計了基于目標函數的適應度函數，自適應的交叉概率、變異概率，引入移民