神经网络解耦广义预测控制在纸页定量水分优化控制中的应用研究

摘要

纸页的定量和水分是鉴定成纸质量的两个重要参数，本文对定量和水分的优化控制进行了研究，引入了对数学模型要求低、鲁棒性强的多变量系统神经网络解耦广义预测控制，论文主要内容如下： 1、研究了神经网络的基本原理及多层反向传播算法，给出了一种基于共轭梯度法的改进型学习算法。 2、通过分析多变量系统神经网络解耦常用控制结构及控制算法，确定了以神经网络动态解耦为解耦方式，并在原有算法的基础上，引入加权因子，通过调节加权因子控制各通道解耦的精度。 3、推导了广义预测控制的基本算法，通过调整GPC中的参考轨迹，引入一种改进的GPC控制算法，提高了GPC的稳定性和鲁棒性。 4、深入地分析了定量水分过程的特性，并对定量水分的神经网络解耦广义预测控制进行了仿真研究，获得了良好的控制效果。

目录

文摘

英文文摘

第一章绪论

1.1引言

1.2造纸工艺流程简介

1.3纸页质量的主要指标及特性分析

1.3.1纸页质量的主要指标

1.3.2纸页定量水分的特性分析

1.4对造纸过程实施自动控制的必要性及现状

1.5本文主要工作

第二章神经网络基础及BP算法

2.1神经网络的发展概况

2.2神经网络的基本原理

2.2.1人工神经元模型

2.2.2神经网络的结构

2.2.3神经网络的学习方式

2.2.4神经网络的学习规则

2.3反向传播学习算法—BP算法

2.3.1 BP算法

2.3.2基于共轭梯度法的改进型学习算法

第三章神经网络解耦控制

3.1引言

3.2神经网络解耦控制的常用结构

3.2.1串联方式

3.2.2反馈方式

3.3神经网络解耦控制的常用算法

3.3.1基于神经网络的静态解耦

3.3.2基于神经网络的动态解耦

3.4仿真研究

第四章 广义预测控制研究

4.1引言

4.2广义预测控制的基本原理

4.2.1 CARIMA模型和输出预测

4.2.2滚动优化

4.2.3在线辨识与校正

4.3改进的广义预测控制

4.4仿真研究

第五章 纸页定量水分的神经网络解耦广义预测控制

5.1引言

5.2纸页定量水分的建模

5.3纸页定量水分的控制算法

5.4仿真研究

第六章结束语

参考文献

致谢

攻读学位期间发表的学术论文目录