基于神经网络的复合控制算法研究——哈尔滨理工大学学士学位论文.doc
《基于神经网络的复合控制算法研究——哈尔滨理工大学学士学位论文.doc》由会员分享,可在线阅读,更多相关《基于神经网络的复合控制算法研究——哈尔滨理工大学学士学位论文.doc(45页珍藏版)》请在三一办公上搜索。
1、基于神经网络的复合控制算法研究摘要本文从实际出发,以加热炉为研究对象,对受随机因素干扰的、具有大惯性、纯滞后的非线性分布参量的随机过程进行了研究。文中着重研究了神经网络、模糊理论和PID控制的融合方式及其可行性,介绍了一种复合式控制方案神经网络模糊PID控制算法,并将此算法与PID控制进行了仿真比较。结果表明,在超调量、稳态误差和抗干扰性等方面,此算法都优于传统的PID控制。加热炉的温度控制属于典型的过程控制,因此我们首先想到的控制方案就是采用传统的比例积分微分(PID)调节器进行控制。根据被控对象的不同,适当地调整PID参数,可以获得比较满意的控制效果。然而,由于PID算法只是在系统模型参数
2、为非时变的情况下,才能获得理想的效果。当一个调整好参数的PID控制器被应用到模型参数时变系统时,系统性能会变差。因此这种控制作用无法从根本上解决动态品质和稳态精度的矛盾。本文所介绍的基于神经网络的复合控制算法,具有实时性强、抗干扰性好、控制精度高的优点,可应用于实际工业过程。在模糊控制中,模糊推理相当于对一种输入输出关系的映射,输入为前提,输出经非模糊化后即为推理的结果输出。利用神经网络的任意函数映射功能,就可以实现模糊推理,实现PID参数在线调整。综上可见,神经网络模糊PID控制必将有广阔的应用前景。关键词神经网络;模糊控制;PID控制;MATLABThe Research of the C
3、omposite Control Arithmetic Based on Neutral NetworkAbstractIn view of practical use, taking the stove as object, the thesis studies the casual process of nonlinear and distributed parameter with big inertia, pure lag and casual disturbance. The feasibility and the form of combining neural network a
4、nd fuzzy theory with PID control are discussed. The theory of compound control-fuzzy-PID control based on neutral network is put forward. In addition, comparison among the compound control and the PID control is introduced. The result indicates that this control arithmetic is superior to others in a
5、spect of overshoot, steady-state error, anti-jamming etc.The temperature control of the stove is type of process control. So the control method first coming into our mind is the conventional PID control using PID adjustor. Then satisfactory effect will come out, through adjusting the PID parameter p
6、roperly for the specific object. However, we can get the ideal effect only on the condition that the parameter of the system model is time-invariant .when a parameter is used to a time-variant system, the performance will become bad. So this control can not solve the conflict between dynamic quality
7、 and static precision.The compound control arithmetic introduced in this text is based on neutral network, and has the feature of real-time, good anti-jamming, high precision. So it can be used in practical industry process. In the case of fuzzy control, fuzzy reasoning is equal to a mapping between
8、 the input and output .the input is premises, and the output fuzzed up is result of reasoning using the neural networks .Through the mapping function of the ether function. The fuzzy reasoning can be carried out and the PID parameter can be adjusted on line. Thus it can be seen that the neural-netwo
9、rks-fuzzy-PID control has wide application foreground without fail.Keywordsneutral network; fuzzy control; PID control; MATLAB目录摘要IAbstractII第1章 绪论11.1 课题背景11.2 自动控制的发展概况11.3 加热炉作为研究对象的特点2第2章 模糊控制与神经网络控制原理32.1 模糊控制的基本原理32.2 模糊控制器32.2.1 模糊控制器的组成42.2.2 模糊条件句与模糊控制细则52.2.3 模糊化运算52.2.4 模糊控制中的几个基本运算操作62.2
10、.5 数据库72.2.6 规则库82.2.7 模糊推理102.2.8 清晰化122.3 神经网络控制的基本原理122.3.1 神经网络基础122.3.2 误差反向传播(BP)神经网络15第3章 控制算法的比较203.1 单一的控制算法203.1.1 PID控制203.1.2 模糊控制213.1.3 神经网络控制223.2 新型的复合控制算法23第4章 新型复合控制算法的设计254.1 神经网络模糊PID控制算法254.1.1 模糊化模块254.1.2 BP神经网络模块264.1.3 PID控制器模块284.2 被控对象284.2.1 被控对象的选择284.2.2 滞后时间的识别294.2.3
11、用线性辨识方法在线估计系统的预报模型294.3 总的控制算法30第5章 控制算法的仿真及结论325.1 引言325.2 仿真比较325.3 仿真结论35结论37致谢38参考文献39附录40千万不要删除行尾的分节符,此行不会被打印。在目录上点右键“更新域”,然后“更新整个目录”。打印前,不要忘记把上面“Abstract”这一行后加一空行绪论课题背景随着智能控制的迅速发展,特别是随着神经网络和模糊控制等理论的不断成熟,给人类生活带来了根本性的改变。基于神经网络的复合控制算法吸收了人类对客观世界的信息处理的能力,以其很强的适应性和鲁棒性,在工业过程控制领域得到了极为广泛的应用,并已应用于家电产品,走
12、入了我们的家居生活。自动控制的发展概况传统控制是经典控制和现代控制理论的统称,它们的主要特征是基于模型的控制。由于被控对象越来越复杂,其复杂性表现为高度的非线性,高噪声干扰、动态突变性以及分散的传感元件与执行元件,分层和分散的决策机构,多时间尺度,复杂的信息结构等,这些复杂性都难以用精确的数学模型(微分方程或差分方程)来描述。除了上述复杂性外,往往还存在着某些不确定性,不确定性也难以用精确数学方法加以描述。然而,对这样复杂系统的控制性能的要求越来越高,这样一来,基于精确模型的传统控制就难以解决上述复杂对象的控制问题。在这样复杂对象的控制问题面前,把人工智能的方法引入控制系统,将控制理论的分析和
13、理论的洞察力与人工智能的灵活的框架结合起来,才有可能得到新的认识和新的控制上的突破。经过近20年来的研究和发展,尤其是近10年来的研究成果表明,把人工智能的方法和反馈控制理论相结合,解决复杂系统的控制难题是行之有效的。从上面论述不难看出,传统控制和智能控制的主要区别就在于它们控制不确定性和复杂性及达到高的控制性能的能力方面,显然传统控制方法在处理复杂性、不确定性方面能力低且有时丧失了这种能力。相反,智能控制在处理复杂性、不确定性方面能力高。用拟人化的方式来表达,即智能控制系统具有拟人的智能或仿人的智能,这种智能不是智能控制系统中固有的,而是人工赋予的人工智能,这种智能主要表现在智能决策上。这就
14、表明,智能控制系统的核心是去控制复杂性和不确定性,而控制的最有效途径就是采用仿人智能控制决策。基于神经网络的控制称为神经网络控制(NNC),简称神经控制(NCNeurocontrol)。这一新词是在国际自控联杂志自动化(Automatica)1994年No.11首次使用的,最早源于1992年H.Tolle和E.Ersu的专著Neurocontrol。基于神经网络的智能模拟用于控制,是实现智能控制的一种重要形式,近年来获得了迅速发展。1.3 加热炉作为研究对象的特点加热炉是冶金行业生产环节中重要的热工设备。它在轧钢生产中占有十分重要的地位,它的任务是按轧机的轧制节奏将钢材加热到工艺要求的温度水平
15、和加热质量。并且在优质高产的前提下,尽可能地降低燃料的消耗,减少氧化烧损。连续加热炉的操作水平直接影响产品的质量、产量和生产消耗指标,所以国内外关于加热炉自动控制的研究一直受到重视,发展地比较快,也取得了较为丰硕的成果。本课题以蓄热式加热炉作为研究的具体对象,加热炉是高速线材热轧生产过程的重要热工设备,其主要作用是提高方坯的塑性,降低变形抗力,以满足轧制工艺的要求。它的性能直接影响到加热炉的能耗和最终钢材产品质量、钢坯成材率、轧机设备寿命以及整个主轧线的有效作业率。但是加热炉的燃烧过程是受随机因素干扰的、具有大惯性、纯滞后的非线性分布参量的随即过程。对于这种复杂的控制对象,即使经验丰富的操作工
16、人,也很全面的考虑各种因素的影响,准确地控制燃烧过程,使得炉温经常偏高或是偏低,有时由于配风的盲目性,还会造成炉尾冒黑烟等恶劣的事故。这些都严重影响了加热炉的加热质量和燃耗,甚至影响正常的生产。因此,必须提高加热炉的控制水平,建立炉温自动控制系统。本课题的主要工作是针对加热炉的控制系统运行状况存在的不足并结合国内外的先进理论知识和技术知识,为加热炉的燃烧控制提出一种新型的智能控制方案,对方案的可行性进行论证,并进行必要的仿真实验,为最终将算法通过软件和硬件的结合在温控系统中得以实现做好理论基础。 模糊控制与神经网络控制原理本章主要介绍模糊逻辑控制和神经网络控制的基本原理和方法,作为其后新型控制
17、算法的提出和总体控制方案的详细设计的理论基础。模糊控制的基本原理模糊控制是以模糊集合论、模糊语言变量及模糊推理为基础的计算机智能控制,其基本概念是由美国加利福尼亚著名教授查德(L.A.Zadeh)首先提出的,经过20年的发展,在模糊控制理论和应用研究方面均取得重大成功。模糊控制器的基本原理框图如图1-1所示。它的核心部分为模糊控制器,如图中点划线框中部分所示,模糊控制器的控制规律由计算机的程序实现。实现一步模糊控制算法的过程描述如下:微机经过中断采样获得被控量的精确值,然后将此量与给定值比较得到误差信号E,一般选误差信号E作为模糊控制器的一个输入量。把误差信号E的精确量进行模糊化变成模糊量。误
18、差E的模糊量可用响应的模糊语言表示,得到误差E的模糊语言集合的一个子集e(e是一个模糊矢量),在由e和模糊控制规则R(模糊算子)根据推理的合成规则进行模糊决策,得到模糊控制量u。 (2-1)模糊控制器 由图2.1可知,模糊控制系统与通常的计算机数字控制系统的主要差别是,采用模糊控制器。模糊控制器是模糊控制系统的核心,一个模糊控制系统的性能优劣,主要取决于模糊控制器的结构、所采用的模糊规则、合成推理算A/DD/A计算控制变量模糊量化处理模糊控制规则模糊决策非模糊化处理传感器被控对象执行机构+_模糊控制器(微机)给定值 图2-1 模糊控制器原理框图法,以及模糊决策的方法等因数。模糊控制器(Fuzz
19、y Controller-FC)也称为模糊逻辑控制器(Fuzzy Logic Controller-FLC),由于其采用的模糊控制规则是由模糊理论中模糊条件语句来描述的,因此模糊控制器是一种语言型控制器。故也称为模糊语言控制器(Fuzzy Language Controller-FLC)。模糊控制器的组成图2-2表示了模糊控制器的基本结构。模糊控制器主要有以下4部分组成:(1)模糊化这部分作用是将输入的精确量转化为模糊量。其中输入量包括外界的参考输入,系统的输出或状态等。模糊化的具体过程如下:a) 首先对这些输入量进行处理以变成模糊控制要求的输入量。例如,常见的情况是和,其中r表示参考输入,y
20、表示系统输出,e表示误差。有时为了减小噪声的影响,常常对进行滤波后再使用,例如可取。b) 将上述已经处理过的输入量进行尺度变换,使其变换到各自论域范围。c) 将已经变换到论域范围的输入量进行模糊处理,使原先精确的输入量便成模糊量,并用相应的模糊集合表示。(2)知识库知识库包含了具体应用领域中的知识和要求的控制指标。它通常由数据库和模糊控制规则两部分组成。a) 数据库主要包括个语言变量的隶属函数,尺度变换因子以及模糊空间的分奇数等。b) 规则库主要包括了用模糊语言变量表示的一系列控制规则,它们反映了控制专家的经验和知识。模糊化模糊推理清晰化被控对象知识库给定值输出 图2-2 模糊控制系统的结构图
21、(3)模糊推理模糊推理是模糊控制器的核心,它具有模拟人的基于模糊概念的推理能力,该推理过程是基于模糊逻辑中的蕴涵关系及推理规则来进行的。模糊化模糊推理清晰化被控对象知识库给定值输出(4)清晰化清晰化的作用是将模糊推理得到的控制量(模糊量)变换为实际用于控制的清晰量,它包含以下两部分内容:a) 将模糊的控制量经清晰化变成表示在论域范围的清晰量。b) 将表示在论域范围的清晰量经尺度变换变成实际的控制量。模糊条件句与模糊控制细则正如前面所说,模糊控制是模仿人的一种控制方法。在模糊控制中,通过一组语言描述的规则来表示专家的知识,专家的知识通常具有如下的形式:IF(满足一组条件) THEN(可以推出一组
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 神经网络 复合 控制 算法 研究 哈尔滨 理工大学 学士学位 论文
链接地址:https://www.31ppt.com/p-4022661.html