基于神经模糊技术的非线性系统自适应控制策略研究

摘要

随着科学技术的不断进步和工业生产的不断发展，各个领域对自动控制系统的要求越来越高，使得控制系统变得更加复杂，加上被控对象通常具有复杂的多变量、严重的非线性、强耦合、大滞后、分布参数时变以及种类繁多的干扰等，使得传统的基于数学模型的控制方法显现出诸多的局限性。近年来，智能控制方法得到了广泛的研究和应用，作为神经网络和模糊逻辑的融合技术的神经模糊系统是智能控制研究的热点之一，并且在过程建模与控制研究中已获得一些可喜成果，但是其理论体系还远未完善、应用探索也刚刚起步，尚有一些问题有待进一步探讨，因此，对神经模糊系统进行深入的理论研究，并探讨其在实际的工业工程中的应用具有很大的意义。 本文在总结了非线性系统控制和神经模糊系统研究现状的基础上，从实际应用的角度出发，着眼于研究新的基于神经模糊技术的非线性系统自适应控制方法及其应用，提出了多种具有实际应用价值或潜在应用价值的基于神经模糊系统非线性技术的自适应控制方法，并将部分研究成果应用于精溜过程和CSTR的优化控制中，取得了良好的效果。 本文在研究和开发过程中主要开展了以下工作： 1) 研究了神经网络和模糊逻辑的融合技术--神经模糊系统，并提出了其结构以及参数辨识的算法。在理论研究的基础上，将神经模糊系统引入到单神经元控制器的设计中，提出了一种基于神经模糊模型的自适应单神经元控制器，并分别通过梯度下降法和李亚普诺夫方法对控制器参数进行在线调节。然后，将提出的基于神经模糊模型的自适应单神经元控制器用于化工生产中的精馏过程，并与传统的PID控制器进行比较。理论研究和仿真结果表明，基于神经模糊模型的自适应单神经元控制器具有和传统的PID控制器相似的结构，因此简单易行，容易被现场操作人员采纳，并且该控制器参数可以在线调节，具有较快的响应速度。 2) 在前馈控制器设计思想的启发下，提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程用一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型来近似，把线性化误差模型的输出看做可测量的“扰动”，然后再引入前馈控制器，利用被控过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节，从而获得较好的控制结果。最后，将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中，并和传统的PID控制器进行比较。仿真结果表明，这种基于神经模糊系统的自适应前馈一反馈控制器和PID控制器相比，能得到更快更好的控制效果。 3) 提出了一种基于线性化误差模型的自适应控制系统。该控制系统和基于神经模糊系统的自适应前馈-反馈控制系统具有类似的结构，首先为非线性过程建立一个ARX模型与一个基于神经模糊系统的线性化误差模型组成的合成模型，然后再引入单神经元控制器，利用线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节，从而获得较好的控制结果。最后，将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中，并和传统的PID控制器进行比较。仿真结果表明，这种基于线性化误差模型的自适应控制和PID控制器相比，具有更快的响应速度。 4) 在上述理论研究的基础上，将基于神经模糊技术的非线性系统自适应控制系统设计方法和仿真研究的结果以软件界面的形式展示出来，便于进一步的研究或供他人学习。因此，研究了VB与MATLAB的混合编程方法，开发出了相应的仿真演示学习软件包。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2非线性控制方法综述

1.2.1传统的非线性研究方法

1.2.2非线性控制的研究现状

1.3神经网络与模糊逻辑系统

1.3.1神经网络

1.3.2模糊逻辑系统

1.3.3神经模糊系统

1.4研究的主要内容

第二章神经模糊系统研究

2.1神经模糊系统

2.2学习算法

2.3仿真研究

2.4小结

第三章基于神经模糊模型的自适应单神经元控制器设计

3.1自适应单神经元控制器的设计

3.1.1非线性过程建模

3.1.2基于FNN模型的自适应单神经元控制器(ASNC)设计

3.2单神经元控制器参数调节

3.2.1梯度下降法调节单神经元控制器参数

3.2.2李亚普诺夫法调节单神经元控制器参数

3.3仿真研究

3.3.1梯度下降法调节单神经元控制器参数的仿真研究

3.3.2李亚普诺夫法调节单神经元控制器参数的仿真研究

3.4小结

第四章基于神经模糊系统的自适应前馈-反馈控制系统设计

4.1自适应前馈-反馈控制系统

4.1.1被控过程建模

4.1.2基于FNN的自适应前馈-反馈控制系统设计

4.1.3 FNNC的在线学习算法

4.2性能分析

4.3仿真研究

4.4小结

第五章基于线性化误差模型的自适应控制系统设计

5.1基于线性化误差模型的自适应控制器设计

5.1.1被控过程建模

5.1.2自适应单神经元补偿控制器设计

5.1.3 ASNCC的在线学习算法

5.2仿真研究

5.3本章小结

第六章基于神经模糊技术的非线性自适应控制系统的仿真演示学习软件包设计

6.1Visual Basic与MATLAB接口

6.1.1 ActiveX自动化

6.1.2创建ActiveX对象及操作

6.2仿真演示学习软件包设计

6.3本章小结

第七章总结与展望

7.1本文主要工作总结

7.2研究展望

参考文献

本人在攻读硕士学位期间公开发表的论文

本人攻读硕士学位期间参与的科研项目

致谢