基于若干智能方法的先進控制系統(tǒng)綜合設計研究.pdf

1、現(xiàn)實事物中絕大多數(shù)對象都是包含噪聲干擾的非線性系統(tǒng)，基于經典控制理論、現(xiàn)代控制理論的傳統(tǒng)控制方法往往是針對線性系統(tǒng)設計的，對包含噪聲干擾的強非線性、復雜時變系統(tǒng)的應用具有較大的限制。隨著人工智能技術的不斷發(fā)展，以模糊系統(tǒng)、神經網絡為代表的智能產物顯示出對復雜非線性系統(tǒng)強大的處理能力，一系列基于智能控制理論及方法的控制系統(tǒng)被不斷提出和改進，在對復雜對象的控制問題上取得了重大的突破和豐碩的成果。然而，由于各種智能產物的基礎理論發(fā)展仍不成熟，

2、在應用各種智能控制方法時存在許多值得改進的地方。本論文擬針對基于智能方法的先進控制系統(tǒng)設計提出若干新的參考方法和改進應用方法，具體工作包括以下內容： 1.對智能控制理論的背景及發(fā)展狀況進行了綜述，評述了智能控制領域的主要研究方法和獲得的成果，闡述了基于智能方法的控制系統(tǒng)綜合設計研究的意義和工程實用價值。 2.提出一類以模糊神經網絡和PID神經網絡組成的模糊神經PID網絡；提出一種基于混沌優(yōu)化機制的粒子群優(yōu)化算法，設計了混

3、沌優(yōu)化與粒子群結合的兩步方案。將上述方法用于控制系統(tǒng)設計，具體構成為：模糊神經PID網絡用作控制器，優(yōu)化策略為帶混沌機制的粒子群算法離線優(yōu)化和誤差反傳算法在線調整相結合的方法；被控對象為確定性典型非線性和慣性時滯對象。 3.提出一種基于最小二乘支持向量機建模的自適應智能PID控制系統(tǒng)。控制系統(tǒng)具體構成：控制器及其優(yōu)化算法采用模糊神經PID網絡和改進粒子群算法的方案；引入最小二乘支持向量機用于離線建模，將控制系統(tǒng)拓展到能處理具有未

4、知特性的不確定對象的控制問題。 4.提出一種基于改進蟻群算法優(yōu)化的大時滯對象神經網絡控制系統(tǒng)?？刂葡到y(tǒng)具體構成：控制器采用模糊神經PID網絡，其離線優(yōu)化采用一種改進的蟻群優(yōu)化算法，在線時采用誤差反傳算法調整；利用最小二乘支持向量機辨識來獲取系統(tǒng)下一離散時間步的預估值，對不確定大時滯對象進行離線辨識和在線辨識來處理時滯和不確定性問題。對空調房間對象進行了控制仿真。同時，設計了基于徑向基函數(shù)神經網絡的空調系統(tǒng)模型參考自適應控制系統(tǒng)，

5、給出了前向型神經網絡控制系統(tǒng)設計的一般性方案。 5.針對航空發(fā)動機對象，提出一種綜合模糊推理、神經網絡自適應和PID控制各自優(yōu)點的控制系統(tǒng)?？刂葡到y(tǒng)具體構成：模糊神經PID網絡用作控制器，其參數(shù)優(yōu)化策略采用改進蟻群算法離線優(yōu)化和誤差反傳在線調整的方法；最小二乘支持向量機用于系統(tǒng)的離線和在線辨識，其參數(shù)優(yōu)化選取采用交叉驗證的方法。對某型航空發(fā)動機設計點處的線性和非線性模型進行了控制仿真。 6.針對航空發(fā)動機加速過程的控制問

6、題，通過結合多種智能方法，提出了一種基于分類轉換策略的控制系統(tǒng)。控制系統(tǒng)具體構成：模糊神經PID網絡用作控制器，提出一種改進的量子粒子群算法離線優(yōu)化其參數(shù)；利用標稱模型將加速過程中發(fā)動機大范圍不確定模型劃分為若干小偏差不確定模型，作為未知控制對象；離線時利用最小二乘支持向量機結合主成分分析方法對小偏差模型進行分類和辨識訓練，在線時根據系統(tǒng)實時數(shù)據利用分類器自動選擇相應的小偏差模型，同時利用誤差反傳算法實時調整控制器參數(shù)跟蹤期望信號；分類

7、器和辨識器參數(shù)分別采用交叉驗證和量子粒子群算法優(yōu)化選取?；枘Ｊ阶R別思想和智能神經網絡控制實現(xiàn)了一種新穎的依據系統(tǒng)信息實時選擇對象模型的非線性PID控制策略。對某型航空發(fā)動機的加速過程進行了控制仿真。 7.研究一類系統(tǒng)參數(shù)在很大范圍內變化的不確定對象，為克服傳統(tǒng)魯棒控制方法的保守設計缺陷并進一步改善系統(tǒng)的性能，提出一種分類轉換控制策略：在已知系統(tǒng)參數(shù)變化上下界前提下，基于類似分段線性化的思想，將系統(tǒng)進行分割；對于分割后的多個小偏

8、差范圍模型，利用最小二乘支持向量機結合主成分分析方法進行分類；對每類模型分別設計滑模控制器，并利用一種改進量子粒子群優(yōu)化算法離線優(yōu)化構造近似最佳切換函數(shù)，同時利用徑向基函數(shù)神經網絡結合誤差反傳算法在線調整切換項增益的方法降低系統(tǒng)的抖振；在線時根據系統(tǒng)實時數(shù)據利用分類器自動選擇相應的小偏差模型和滑模控制器，完成相應的控制作用；為提高最小二乘支持向量機的分類及泛化性能，利用改進量子粒子群算法優(yōu)化其懲罰因子和核參數(shù)。基于以上策略和優(yōu)化配置，對

9、控制系統(tǒng)進行了設計與仿真。 8.針對以模糊神經自適應方法為核心的未知非線性系統(tǒng)控制問題，以常規(guī)靜態(tài)模糊神經網絡控制結構為基礎，分別就控制器、辨識器、優(yōu)化算法三個方面展開研究。以模糊神經PID網絡作為控制器，最小二乘支持向量機為辨識器，利用改進量子粒子群算法離線優(yōu)化控制器參數(shù)和改進粒子群算法優(yōu)化辨識器的相關參數(shù)，最后通過對系統(tǒng)的穩(wěn)定性分析將控制系統(tǒng)逐步完善，完成對基于模糊神經網絡方法的自適應控制系統(tǒng)中各個環(huán)節(jié)的改進。對某熱交換非線