人工神经网络在多变量控制系统解耦中的应用研究

摘要

对于具有非线性、大迟滞、强耦合特点的多变量系统(例如人工湿热室)，研究人员很难找到理想方法解决控制中的诸多问题。近年来，人们较多采用模糊控制、专家控制等智能控制方法来取代经典PID控制方法，在一些方面达到了比较好的控制效果。文献提出了一种神经网络控制与模糊控制相结合的智能控制方案，在MATLAB环境下做了仿真，证明了方案的可行性。但是对于该方案，没有实际可运行的解耦控制器代码应用于工程实际，对于能否采用其它的算法来提高解耦器的控制性能，论文也没有作过多的探讨。 该文在结合环境实验室研究的课题基础上，首先介绍了人工湿热室及其控制特点，进而分析这一多变量系统的解耦策略。在详细介绍了神经网络BP算法及其若干改进学习方法后，提出两种多变量系统解耦控制方案：模糊前馈解耦方案和PID神经网络解耦方案。对于前一种方案，该文重点介绍如何采用C++语言实现静BP算法神经网络解耦控制器，代码以动态连接库的形式，在VB语言的湿热室控制程序下调用。对于第二种方案，该文讨论了神经网络在线解耦控制的机理，说明PID神经元网络的构成及解耦控制原理，编写出C语言神经网络控制器代码，通过MATLAB的应用程序接口(API)，在Simulink环境下作了仿真。最后分析和对比了两种解耦方案的仿真结果，得出PID神经元网络具有更加优越的解耦性能的结论。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章问题的提出

1.1概述

1.2人工湿热室系统组成及工作原理

1.3系统设计要求及解耦方案

第二章基本理论

2.1神经元和神经网络

2.2多层前向网络及其逼近能力(前向计算过程)

2.3多层前向网络的学习过程(反向计算过程)

2.4反向传播算法中存在的一些问题及改进措施

2.5多输出情况下反向传播算法原理和计算过程

2.6对神经网络学习方法的一些说明

第三章控制系统方案

3.1模糊前馈解耦控制方案

3.2PID神经元网络解耦控制方案

第四章BP神经网络解耦控制的软件实现

4.1Visual Basic编写成的的湿热室控制软件

4.2神经网络解耦器C++代码的实现

4.3创建C DLL文件

4.4测试结果

4.5总结

第五章PID神经元网络编程与仿真

5.1编程概述

5.2C语言MEX文件的编写

5.3PID神经元网络C源码编写

5.4仿真模型的设计

参考文献

参加科研情况及发表论文说明

致谢