强流离子加速器中束晕-混沌和DC/DC开关功率变换器混沌系统的神经网络控制研究

摘要

本文主要研究了强流离子加速器中束晕-混沌和DC/DC开关功率变换器中混沌的控制,主要做了以下工作,获得了良好的结果。第一,研究了强流离子束在周期磁场聚焦通道中传输时产生的束晕-混沌动力学行为,采用周期磁场聚焦强度形式为与实际相近的余弦函数形式。然后利用神经网络方法对非线性复杂系统控制的优越性,提出前馈反传神经网络方法对强流离子束中束晕-混沌进行控制。通过适当选择的神经网络控制结构和线性反馈系数以及自适应调整神经网络的权系数,可将强流离子束的包络半径达到束匹配半径的控制目标,且束包络的抖动大小明显减少；控制后束晕强度因子为零,束均方根半径、束横向动量平方和平均值和相对发射度比控制前都减少,能有效地束晕-混沌进行控制,消除了束晕及其再生现象。第二,DC/DC开关功率变换器是一种典型的分段光滑动力学系统,在一定的工作和参数条件下,系统会出现混沌运动现象。本文研究了基于径向基神经网络的控制方法对DC/DC开关功率变换器混沌系统进行控制,并以Buck功率变换器作为控制对象。数值仿真结果表明：该方法能有效地实现Buck功率变换器混沌系统的控制,系统在参数发生摄动和存在噪声的情况下,控制仍然有效。进一步说明神经网络方法对非线性复杂系统控制的优越性。

目录

中文摘要

英文摘要

前言

第一章 混沌控制方法简述

1.1 混沌控制研究简述

1.2 参数微拢控制法

1.3 连续反馈控制法

1.3.1 外力反馈控制法

1.3.2 延迟变量反馈控制法

1.4 正比于系统变量反馈控制法

1.5 线性反馈控制法

1.6 采样数据反馈控制法

1.7 比例微分反馈控制法

1.8 本章小结

第二章 神经网络智能控制

2.1 简述

2.2 神经网络基本知识

2.2.1 神经网络基本结构

2.2.2 神经网络的学习规则

2.2.3 神经网络训练的具体步骤

2.2.4 常用的传递函数

2.2.5 神经网络用于系统辨识的特点

2.2.6 神经网络用于控制的优越性

2.3 多层前馈神经网络结构及其算法

2.3.1 控制用的神经元模型

2.3.2 多层前馈网络模型及BP算法

2.3.3 三层BP网络学习过程具体步骤

2.3.4 BP算法存在的缺陷

2.2.5 全局寻优自适应快速BP学习算法

2.4 径向基神经网络结构及其算法

2.4.1 网络输出计算

2.4.2 径向基网络函数

2.4.3 网络的学习算法

2.5 神经网络智能控制

2.5.1 神经网络建模

2.5.2 神经网络系统辨识

2.5.3 神经网络控制

2.6 本章小结

第三章 强流离子加速器中束晕-混沌神经网络控制研究

3.1 简述

3.2 束晕-混沌的基本动力学方程和特性

3.2.1 基本动力学方程

3.2.2 束晕-混沌的基本动力学特性

3.3 束晕-混沌控制方法

3.3.1 非线性反馈控制法

3.3.2 小波反馈控制法

3.3.3 变结构控制法

3.3.4 延迟反馈控制法

3.3.5 参数自适应控制法

3.4 周期性聚集磁场的选择

3.5 束晕-混沌神经网络控制

3.5.1 多粒子情况束晕-混沌神经网络控制

3.5.2 单粒子情况束晕-混沌神经网络控制

3.6 本章小结

第四章 DC/DC开关功率变换器混沌系统的神经网络控制研究

4.1 简述

4.2 基本电路及其工作原理

4.3 基本开关功率变换器动力学行为分析

4.3.1 离散映射模型变换器及其动力学行为分析

4.3.2 分段线性模型变换器及其动力学行为分析

4.4 DC/DC开关功率变换器的神经网络控制

4.4.1 DC/DC开关功率变换器控制方法

4.4.2 DC/DC开关功率变换器神经网络控制

4.5 本章小结

结束语

参考文献

致谢