基于神经网络的系统辨识与控制

摘要

非线性系统的建模与控制问题一直以来都是控制领域研究的重点与难点。神经网络以其强大的非线性逼近能力，被广泛应用在系统的辨识建模、控制、优化等问题中。同时，很多实际系统中都存在随机噪声且都无法避免它的影响。因此，含有噪声系统的辨识与控制问题成为了神经网络辨识与控制中的一个难点问题。
　　本文介绍了反向传播(BP)神经网络的结构及学习算法及BP神经网络在自适应控制中的应用。但由于前馈神经网络在处理非线性动态系统的辨识与控制中存在一定的缺陷，所以本文也研究了递归神经网络的结构，并重点介绍了离散状态空间神经网络的结构及学习算法，并把它用于非线性系统的辨识中。另一方面，误差纠正学习算法在神经网络的训练学习中广为应用。训练准则一般都是误差的函数，传统的最小均方误差准则仅考虑误差的二阶矩，在非线性或非高斯情形下，其训练性能变得不尽人意。信息测度能够很好的刻画随机变量的不确定性，介绍了熵、信息势、生存信息势等新的测度，并把它们应用于神经网络的辨识与控制中。最后，对于有机朗肯循环(ORC)系统中的过热度控制问题，应用了基于神经网络的自适应控制方法。在实际的ORC过程中烟气的品质将会对蒸发器出口的温度产生影响，而影响烟气品质的烟气的入口温度、烟气流量等扰动因素未必服从高斯分布。本文提出了基于生存信息势的神经网络辨识与神经网络控制，从而保证跟踪误差的随机性最小。

目录

声明

摘要

1．1 选题背景及意义

1．2 神经网络概述

1．2．1 神经网络简介

1．2．2 神经网络类型及各自特点

1．3 神经网络应用及研究现状

1．3．1 神经网络的应用现状

1．3．2 神经网络的研究现状

1．4 本文主要研究内容

第2章 神经网络结构及准则函数

2．2．1 BP神经网络的结构

2．2．2 递归神经网络的结构

2．3 准则函数

2．3．1 均方差

2．3．2 Renyi熵与信息势

2．3．3 相关熵

2．3．4 生存信息势

2．4 本章小结

第3章 基于SIP的非线性未知系统的离散状态空间网络辨识

3．2 问题描述

3．3 辨识准则函数

3．3．1 统计意义上分析系统辨识

3．3．2 误差准则函数的计算

3．4 基于信号流图的辨识算法

3．5 应用实例

3．6 本章小结

第4章 基于熵的自适应神经网络-PID串级控制系统的设计

4．1 引言

4．2 神经网络-PID主控制器

4．2．1 基于熵的性能指标

4．2．2 核宽度的自整定

4．2．3 神经网络-PID控制器的自调节算法

4．2．4 收敛条件

4．2．5 控制器的设计步骤

4．3 仿真实例

4．4 本章小结

5．1 引言

5．2 ORC系统的过热度控制

5．2．2 过热度的控制方案

5．3 非线性系统的辨识

5．3．1 性能指标

5．3．2 神经网络辨识

5．3．3 收敛性分析

5．4 神经网络控制

5．4．1 性能指标

5．4．2 神经网络控制器的设计

5．4．3 收敛性分析

5．5．仿真结果

5．6 本章小结

第6章 结论与展望

参考文献

攻读硕士学位期间发表的论文

致谢