基于膜计算的神经网络在MIMO控制系统中的应用研究

摘要

细胞是生命是基石，研究者从细胞中提取出一种自然计算的新模型——膜计算，其具有分布性、极大并行性并行的优点，具有很大研究发展的潜力。本文基于膜计算的研究成果与基本思想，结合树形结构的特点，研究并应用了一种基于树形分支结构的膜计算优化算法，结合神经网络将其运用在多输入多输出（MIMO）非线性的复杂系统等实际控制中，并对控制系统进行了仿真实验分析与比较。本文的研究主要工作归纳如下：
　　（1）首先在标准膜计算的构架与思想基础上，受树形结构的启发，研究应用了一种带有树形分支结构的膜计算优化算法TMO（tree-structuremembraneoptimizationalgorithm）。此算法结构带有分支结构，在分支的膜子系统中运用各种进化交流规则一次进化。随后首先将此种膜优化算法简单运用到复杂函数的寻优中，对TMO构建了测试环境，进行了寻优结果的测试，并将其与遗传算法，粒子群优化算法等智能优化算法进行了仿真比较，结果分析显示了此方法寻优有效，收敛速度快，求解质量高。
　　（2）板球控制系统为一种典型的多输入多输出（MIMO）非线性的复杂系统，本文将TMO算法应用在了板球系统中，首先将其与模糊RBF神经网络PID相结合，然后又将其与神经网络滑模控制相结合，分别设计并对板球系统进行了定点控制及轨迹控制的仿真实验，并与粒子群算法，嵌入式结构的膜算法进行了比较，显示了该算法的优点。
　　（3）风洞是进行空气动力试验的重要设备，有着广泛的运用，内部参数的控制非常复杂，一样属于MIMO复杂系统，本文研究将TMO算法与BP神经网络PID控制进行结合，进行参数估计优化后，分别运用在姿态角与风洞马赫参数控制之中，对其进行了仿真分析，并且与粒子群算法、未优化之前进行比较，通过仿真结果得到了该优化算法的有效性和优越性。

目录

封面

声明

中文摘要

英文摘要

目录

引 言

1 绪论

1.1 膜计算概述

1.2 控制系统优化应用背景

1.3 本文的主要研究工作

2 膜计算及基于膜计算的优化算法

2.1 标准膜计算

2.2 基于膜计算的优化算法

3 结合树形结构的膜优化算法

3.1 基于膜计算的 TMO 优化算法

3.2 TMO 优化算法的测试环境

3.3 优化算法寻优测试与对比

4 基于 TMO 优化算法的板球系统神经网络控制设计

4.1 板球控制系统概述

4.2 基于 TMO 的模糊 RBF 神经网络 PID 板球系统控制设计

4.3 基于 TMO 的板球系统滑模控制

5 基于 TMO 优化算法的风洞系统控制

5.1 风洞控制基本介绍

5.2 基于 TMO 算法的典型风洞姿态角控制设计

5.3 基于 TMO 算法的风洞马赫数控制设计

结 论

参考文献

攻读硕士学位期间发表的论文及科研成果

致谢