学位论文 > 优秀研究生学位论文题录展示

基于神经网络的非最小相位控制系统的研究

作　者: 梁兆阳
导　师: 孙建平
学　校: 华北电力大学（河北）
专　业: 控制理论与控制工程
关键词: 遗传算法 BP算法 RBF算法非最小相位
分类号: TP273
类　型: 硕士论文
年　份: 2009年
下　载: 57次
引　用: 1次
阅　读: 论文下载

内容摘要

非最小相位系统在控制工程中比较常见而且难于控制,由于存在右半平面零、极点,常常使被控对象出现超、负调现象,使用传统的线性控制技术很难消除这种特性。充分发挥神经网络控制策略的优点,改善非最小相位系统的控制品质,这是本文所要讨论的主要内容。本文首先讨论了经GA优化的BP神经网络PID控制器和基于RBF神经网络PID控制器在非最小相位控制中的应用,其次,讨论了神经网络在多变量控制系统中的,为以后将神经网络方法应用于多变量的非最小相位系统做准备。通过对设计方案的仿真研究表明:该设计方案具有良好的控制效果;消除负调、降低超调量,抗干扰性强和增强系统的鲁棒性,优于常规PID控制器。

全文目录

摘要  4
ABSTRACT  4-7
第一章绪论  7-13
  1.1 研究背景  7-8
  1.2 智能控制  8-11
  1.3 本文选题的意义及研究的主要内容  11-13
    1.3.1 本文选题的意义  11-12
    1.3.2 本文研究的主要内容  12-13
第二章非最小相位系统分析  13-16
  2.1 最小、非最小相位系统的定义  13
  2.2 非最小相位系统的分类  13-14
  2.3 非最小相位系统的研究  14-15
  2.4 本章小结  15-16
第三章神经网络和遗传算法  16-31
  3.1 神经网络原理  16-18
    3.1.1 单神经元数学模型  16-17
    3.1.2 几种典型的学习规则  17-18
  3.2 典型的多层前向网络－BP 网络的结构和算法  18-22
    3.2.1 BP 神经网络的前向计算  19
    3.2.2 BP 神经网络的误差反向传播和加权系数的调整  19-22
  3.3 径向基函数神经网络  22-25
    3.3.1 网络输出计算  23
    3.3.2 网络的在线学习算法  23-25
  3.4 遗传算法基本原理  25-30
    3.4.1 遗传算法设计步骤  26-29
    3.4.2 性能指标函数  29-30
  3.5 本章小结  30-31
第四章非最小相位系统的神经网络控制  31-49
  4.1 引言  31
  4.2 遗传算法优化的BP 神经网络PID 控制器  31-43
    4.2.1 传统的PID 控制器  32
    4.2.2 BP 神经网络PID 控制器的设计  32-34
    4.2.3 遗传算法在BP 神经网络PID 控制算法中的应用  34-35
    4.2.4 基于GA 和NN 的PID 控制器结构形式及控制算法  35-37
    4.2.5 仿真研究  37-43
  4.3 基于RBF 神经网络的非最小相位的控制  43-47
    4.3.1 基于RBFNN 辨识的一种PID 控制器参数整定  44-45
    4.3.2 仿真研究  45-47
  4.4 本章小结  47-49
第五章神经网络在多变量系统中的应用  49-56
  5.1 前言  49-50
  5.2 BP 神经网络PID 控制器在球磨机中的应用  50-54
    5.2.1 球磨机的动态特性  50-51
    5.2.2 BP 神经网络PID 控制系统的模型结构  51-52
    5.2.3 球磨机BP 神经网络PID 控制系统的计算方法  52-53
    5.2.4 仿真试验  53-54
  5.3 结论  54
  5.4 本章小结  54-56
第六章结束语  56-58
  6.1 本论文主要完成的工作  56-57
  6.2 后续工作展望  57-58
参考文献  58-61
致谢  61-62
在学期间发表的学术论文和参加科研情况  62

基于神经网络的非最小相位控制系统的研究

内容摘要

全文目录

相似论文