大滯后論文：基于神經(jīng)網(wǎng)絡的內模控制在溫度控制系統(tǒng)的研究.doc

大滯后論文：基于神經(jīng)網(wǎng)絡的內?？刂圃跍囟瓤刂葡到y(tǒng)的研究【中文摘要】溫度控制系統(tǒng)是現(xiàn)代大多數(shù)工業(yè)中一個重要的組成部分,這種系統(tǒng)具有典型的大滯后性、大慣性、非線性等特點。由于滯后的存在嚴重影響了系統(tǒng)的穩(wěn)定性和控制性能,而基于精確數(shù)學模型的常規(guī)控制方法通常難以獲得滿意的動、靜態(tài)控制性能,并且系統(tǒng)在運行中參數(shù)的時變和外界環(huán)境的不確定因素的影響下,使這種系統(tǒng)更加難以控制。因此,研究更為先進的控制算法具有重要的理論意義和現(xiàn)實意義。本文以電加熱爐為研究對象,對其特性進行系統(tǒng)分析基礎上抽象出該系統(tǒng)的數(shù)學模型?；谠撃Ｐ?著重研究了具有大滯后控制系統(tǒng)的優(yōu)化算法。主要內容如下:1、基于一些有效時滯控制算法分析的基礎上,對Smith預估控制算法和內?？刂扑惴ㄟM行重點仿真驗證。仿真結果表明,內模控制在時滯控制系統(tǒng)中具有更好的抗干擾性和魯棒性;由于徑向基(RBF)神經(jīng)網(wǎng)絡具有快速學習并能逼近任意非線性函數(shù)的優(yōu)點,本文用徑向基網(wǎng)絡分別設計內?？刂扑惴ㄖ械膬炔磕Ｐ秃蛢饶？刂破?提出基于神經(jīng)網(wǎng)絡的內?？刂扑惴☉迷跁r滯工業(yè)控制中;2、本文針對以下兩方面進行了改進:首先,模型逆模型的設計方面,本文深入研究了各種辨識的結構并對它們進行了詳細的分析,在此基礎上提出了改進型逆模型辨識結構并對其進行.【英文摘要】Temperature control system is one of the most important part in modern industry, thesystems typically have large delay, large inertia, nonlinear and so on. The large time-delay,which is frequently a source of instability and performance deterioration, has been one of thebiggest problem in the control field.The conventional control methods based on accuratemathematical model are often difficult to obtain a ideal dynamic and static controlperformance, otherwise, this system more difficult to control because o.【關鍵詞】大滯后 內?？刂?RBF網(wǎng)絡 次勝者受罰競爭學習 電加熱爐【英文關鍵詞】Largedelay IMC RBFnetwork RPCL Electricheater【目錄】基于神經(jīng)網(wǎng)絡的內?？刂圃跍囟瓤刂葡到y(tǒng)的研究摘要4-5Abstract51 緒論9-131.1 課題研究的目的和意義9-101.2 國內外研究現(xiàn)狀和發(fā)展趨勢10-121.3 本人研究內容12-132 被控對象分析13-172.1 電加熱爐介紹132.2 被控對象特性分析13-142.3 被控對象建模14-173 時滯系統(tǒng)概述17-253.1 時滯系統(tǒng)的概念173.2 時滯環(huán)節(jié)的傳遞函數(shù)和頻率特性17-183.2.1 傳遞函數(shù)173.2.2 頻率特性17-183.3 時滯過程控制主要問題183.4 一些有效時滯系統(tǒng)控制算法介紹18-233.4.1 PID控制18-193.4.2 Smith預估控制及其改進算法19-203.4.3 內?？刂?0-213.4.4 智能控制21-223.4.5 變結構控制223.4.6 其他控制算法22-233.5 含有時滯過程控制系統(tǒng)的發(fā)展趨勢23-254 控制算法研究25-454.1 Smith預估控制算法25-284.1.1 時滯系統(tǒng)Smith預估控制的設計方法25-264.1.2 史密斯控制算法性能分析26-284.2 內模控制28-334.2.1 內?？刂葡到y(tǒng)的結構和原理28-294.2.2 內模控制的特性分析29-304.2.3 IMC控制器的設計方法30-324.2.4 反饋濾波器的設置32-334.2.5 內?？刂坪蚐mith預估控制器的關系334.3 IMC與smith預估控制算法仿真比較33-364.3 神經(jīng)網(wǎng)絡理論36-454.3.1 人工神經(jīng)網(wǎng)絡概述364.3.2 神經(jīng)網(wǎng)絡的功能和特點36-374.3.3 神經(jīng)網(wǎng)絡基本處理單元-神經(jīng)元37-384.3.4 徑向基函數(shù)網(wǎng)絡384.3.5 徑向基函數(shù)網(wǎng)絡的結構38-414.3.6 徑向基網(wǎng)絡的學習方法41-434.3.7 改進的RBF網(wǎng)絡中心學習算法43-455 系統(tǒng)辨識45-625.1 基于響應曲線的系統(tǒng)辨識方法47-485.2 最小二乘辨識方法485.3 相關系數(shù)辨識法7948-505.4 神經(jīng)網(wǎng)絡辨識50-525.5 對象逆模型建模52-625.5.1 系統(tǒng)可逆性分析52-545.5.2 神經(jīng)網(wǎng)絡逆模型辨識54-585.5.3 改進的逆模型辨識結構585.5.4 正、逆模型辨識仿真58-626 基于神經(jīng)網(wǎng)絡內?？刂茰囟认到y(tǒng)控制62-716.1 基于神經(jīng)網(wǎng)絡的內?？刂圃?2-636.2 改進的神經(jīng)網(wǎng)絡內?？刂?3-646.3 內部模型和內模控制的設計64-666.3.1 內部模