基于径向基神经网络的广义预测控制研究及应用

摘要

实际工业生产过程中常常含有非线性、滞后环节，特别是在化工、冶炼等生产过程中尤为显著。连续搅拌釜式反应(CSTR)在反应过程中会产生大量的反应热，及时地减少反应热保证生产正常进行是控制的主要目标。本文将采用基于神经网络的预测控制来解决非线性、滞后等环节的影响。 本文首先讨论了广义预测控制的基本结构与原理，深入研究了广义预测控制算法的预测模型、反馈校正、滚动优化。在分析了常规预测控制存在的问题的基础上，研究了基于神经网络的预测控制算法。 径向基(RBF)神经网络具有计算量小、收敛速度快、无局部极小等特点，本文选取RBF网络建立系统的多步预测模型。为了弥补建模中的模型误差及反应中不确定因素的影响，在线控制时对误差进行补偿。 本文对连续搅拌釜式反应过程进行了仿真，仿真结果表明，基于RBF神经网络的广义预测控制器具有良好的自适应性、鲁棒性和抗干扰能力。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究目的及意义

1.2预测控制的发展及研究现状

1.2.1预测控制的基本类型

1.2.2先进预测控制技术

1.2.3智能预测控制

1.2.4新型预测控制

1.2.5预测控制的应用

1.3人工神经网络发展及现状

1.3.1人工神经网络的发展

1.3.2人工神经网络的特点

1.3.3人工神经网络的应用

1.4本文研究内容

第2章广义预测控制

2.1预测控制的基本原理

2.1.1预测控制的基本思想

2.1.2预测控制的基本特征

2.1.3预测控制中的预测模型

2.1.4预测控制的优点

2.1.5预测控制在应用中的一些问题

2.2广义预测控制(GPC)的基本方法

2.3 Diophantine方程的递推求解

2.4广义预测控制的参数选择

2.5广义预测控制的稳定性和鲁棒性

2.5.1广义预测控制的稳定性

2.5.2广义预测控制的鲁棒性

2.6广义预测控制的发展及前景

2.7本章小结

第3章径向基(RBF)神经网络

3.1引言

3.2径向基(RBF)神经网络函数及结构

3.2.1径向基函数

3.2.2网络结构

3.3径向基网络的训练准则和常用算法

3.3.1训练准则

3.3.2常见算法

3.4面向MATLAB工具箱的径向基神经网络

3.4.1 newrbe创建径向基网络步骤

3.4.2 newrb创建径向基网络过程

3.5本章小结

第4章基于径向基神经网络的广义预测控制

4.1引言

4.2基于神经网络的多步预测模型

4.2.1递推多步预测

4.2.2非递推多步模型

4.3反馈校正

4.4滚动优化

4.5本章小结

第5章连续反应过程仿真分析

5.1 MPCE-1000简介

5.1.1系统软件功能

5.1.2系统硬件功能

5.2连续反应工艺流程

5.3 CSTR反应特性测试

5.4仿真及结果分析

5.5本章小结

第6章结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢

附录