Hammerstein--Wiener型非线性系统的辨识与控制

摘要

在实际工业控制系统中，理想的线性控制系统是不存在的，工业对象往往都具有较强的非线性特性。非线性系统的建模、辨识、自适应控制等方面的研究，已经逐渐成为研究非线性系统的重要方向。
　　Hammerstein-Wiener型非线性系统是常见的用来描述非线性系统的模型，它是由一个静态非线性系统、一个动态线性系统和另一个静态非线性系统串联而成。该类模型的特点是可将静态非线性特性和动态线性特性分开考虑，简单又有效地描述了相当广泛的一类非线性系统,能较好地反映大多数工业生产过程的非线性特性。例如将电弧炉炼钢过程中的电极调节系统表示成Hammerstein-Wiener型非线性系统的形式，提高了系统的准确性，使系统模型更接近工业生产过程的实际。
　　论文首先介绍了本课题的研究背景，简述了非线性系统辨识与控制方法的研究现状，并简要说明了本文的研究内容及论文的整体结构。接下来主要研究了一种基于混合神经网络以及预测函数控制的理论对Hammerstein-Wiener型非线性系统进行辨识与控制的方法。
　　利用混合神经网络结构对Hammerstein-Wiener模型进行辨识，该混合神经网络利用两个多层前馈网络分别逼近两个非线性增益，而用线性神经元网络估计线性动态子系统，从而推导出统一的反向传播算法分别对前馈网络和线性神经元网络的权系数和阈值进行训练，达到同步辨识的效果;同时，对实际工业生产中具有Hammerstein-Wiener模型结构的电极调节系统进行了辨识，并用MATLAB仿真验证了该方法的有效性。
　　预测函数控制是以被控对象的基函数的输出响应可以叠加为前提的，因而只适用于线性动态系统，其具有计算量小、实时性高、控制性能优良的特点。利用非线性静态增益的逆与非线性对象串联，抵消非线性对象中的非线性静态增益部分，把非线性对象的控制问题转化为对线性对象的控制问题，从而实现了非线性对象的预测函数控制。同时，对实际工业生产中具有Hammerstein-Wiener模型结构的电极调节系统的控制器进行了设计，并用MATLAB仿真验证了该方法的有效性。

目录

声明

摘要

第1章 绪论

1．1．课题背景及意义

1．2．非线性辨识方法研究现状

1．2．1．神经网络系统辨识法

1．2．2．遗传算法系统辨识法

1．2．3．模糊逻辑系统辨识法

1．2．4．小波网络系统辨识法

1．2．5．最小二乘支持向量机系统辨识法

1．3．非线性预测控制及其研究现状

1．3．1．基于线性化技术的预测控制

1．3．2．基于各种特殊模型的预测控制

1．3．3．基于神经网络的预测控制

1．4．基于Hammerstein和Wiener型非线性系统的辨识与控制研究现状

1．5．论文主要研究内容及章节安排

第2章 Hammerstein-Wiener模型的神经网络辨识方法

2．1．神经网络简介

2．1．1．神经网络的主要特点

2．1．2．神经元网络的神经元模型

2．1．3．BP神经网络

2．2．Hammerstein-Wiener系统的神经网络辨识

2．2．1．Hammerstein-Wiener系统的具体形式

2．2．2．混合神经网络模型的建立

2．2．3．Hammerstein-Wiener模型的辨识算法

2．3．本章小结

第3章 基于混合神经网络的非线性预测函数控制

3．1 预测控制的原理

3．1．1．预测模型

3．1．2．滚动优化

3．1．3．反馈校正

3．2 预测函数控制简介

3．3 基手混合神经网络的Hammerstein-Wiener非线性预测函数控制

3．3．1．预测模型

3．3．2．反馈校正

3．3．3．滚动优化

3．3．4．在线校正

3．3．5．非线性预测函数控制算法

3．4 本章小结

第4章 电弧炉电极调节系统的辨识与控制

4．1．电弧炉炼钢工艺设备简介

4．1．1．电弧炉炼钢基本原理

4．1．2．电弧炉炼钢工艺

4．1．3．电弧炉炼钢设备

4．2．电极调节系统的建模

4．2．1．液压传动机构建模

4．2．2．检测环节的建模

4．3．电极调节系统参数的辨识

4．4．电极调节系统的控制

4．5．本章小结

第5章 总结与展望

5．1．工作总结

5．2．工作展望

参考文献

致谢