一種自構建神經網絡的內模控制方法

2014年12月05日14:35:36 本網站我要評論(2)字號：T | T | T

關鍵字：

摘　　　要：針對非線性過程，提出了一種基于自構建神經網絡的內模控制方法（ＩｎｔｅｒｎａｌＭｏｄｅｌＣｏｎｔｒｏｌ，ＩＭＣ）。采用自構建算法實現神經網絡的結構學習和參數學習，在被控過程內部模型和控制器模型的辨識過程中，該網絡能夠根據給定的判定條件自動增加神經元節點，以滿足辨識精度的要求；為了防止網絡學習過擬合，基于靈敏度方法對神經網絡隱層節點進行修剪刪除；網絡的參數學習采用梯度下降法。自構建算法可以有效地避免普通神經網絡內模控制

方案中網絡結構難以確定的問題，仿真結果表明，該控制系統有良好的跟蹤性、魯棒性和抗干擾性。

關　鍵　詞：自構建；神經網絡；靈敏度；內模控制

１　引　言

內模控制是一種基于過程數學模型的控制方法，過程模型與逆模型的獲取是內模控制設計的關鍵。由于實際工業過程往往存在非線性特性，難以獲得精確的數學模型。神經網絡因其具有任意逼近非線性的能力而成為了一種有效的建模方法，且與內模控制相結合，進一步豐富了非線性系統的控制方法［１３］。然而神經網絡建模仍存在許多不足之處，如網絡結構難以確定，復雜的網絡結構將使學習收斂速度變得緩慢，歸納性變差；過簡的結構又易造成學習能力降低，這些不足較終會影響控制系統的性能。

針對神經網絡結構難以確定的不足，一些學者提出了關于ＢＰ神經網絡［４］、小波神經網絡［５］、模糊神經網絡［６９］、模糊小腦神經網絡［１０］的結構改進方法，采用動態變結構的思想，有效地改善了網絡結構和系統辨識、控制性能。

本文針對非線性過程提出一種基于自構建神經網絡的內模控制方法，利用自構建神經網絡建立和自適應調整非線性過程模型和控制器模型，實現了辨識網絡和控制器網絡結構的在線調整。理論分析和仿真結果表明，所提出的方法具有快速跟蹤輸入、無超調等良好特性，并且能在系統受到干擾或被控過程參數發生變化時，仍然具有較好的自適應性和魯棒穩定性。

登錄網站后可下載文件

国产一区国产二区国产三区-国产一区精品-国产一区免费观看-国产一区免费在线观看-亚洲天堂免费-亚洲天堂免费观看

一種自構建神經網絡的內模控制方法

相關閱讀: