基于神經(jīng)網(wǎng)絡(luò)的PH中和過程辨識及控制器設(shè)計.pdf

1、pH中和過程是典型的非線性過程,而且經(jīng)常包含大滯后環(huán)節(jié),因此對該過程的辨識與控制是控制領(lǐng)域中的難題之一,如何處理系統(tǒng)的非線性問題和大滯后問題是解決該問題的關(guān)鍵.該文利用人工神經(jīng)網(wǎng)絡(luò)對這一問題進行了研究,特別是將通用學(xué)習(xí)網(wǎng)絡(luò)(Universal Learning Network,ULN)首次應(yīng)用于這一領(lǐng)域,初步提出了基于通用學(xué)習(xí)網(wǎng)絡(luò)的辨識和控制方法.通用學(xué)習(xí)網(wǎng)絡(luò)是一種新型的神經(jīng)網(wǎng)絡(luò).網(wǎng)絡(luò)中的所有節(jié)點互相連接,且所有節(jié)點之間的連接上可以任意

2、地設(shè)置延遲時間.同傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,通用學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)更加緊湊;應(yīng)用于大滯后系統(tǒng)時,系統(tǒng)的延遲時間能夠在網(wǎng)絡(luò)中得到充分體現(xiàn),為通用學(xué)習(xí)網(wǎng)絡(luò)有效地辨識大滯后動態(tài)系統(tǒng)奠定了基礎(chǔ).利用通用學(xué)習(xí)網(wǎng)絡(luò)對pH中和過程進行辨識仿真,并同BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)等其他方法進行比較,結(jié)果表明通用學(xué)習(xí)網(wǎng)絡(luò)辨識效果要好于其他方法,泛化能力強,能夠有效的體現(xiàn)系統(tǒng)的動態(tài)特性、非線性特性和大滯后特性.通用學(xué)習(xí)網(wǎng)絡(luò)對pH中和過程的辨識為對該過程的有效控制奠定了基礎(chǔ).辨

3、識得到的通用學(xué)習(xí)網(wǎng)絡(luò)模型能夠計算出控制對象在延遲時間以后的輸出,所以當其作為控制系統(tǒng)中的預(yù)報模型和預(yù)估器時,能夠有效地消除系統(tǒng)延遲時間的影響,使控制器及時正確地得到對象的信息,實現(xiàn)有效的控制.該文利用ULN模型預(yù)報+PID控制方法、神經(jīng)網(wǎng)絡(luò)PID+ULN預(yù)估器控制方法、單神經(jīng)元PID+預(yù)估器控制方法和PID控制方法對pH中和過程進行控制仿真,結(jié)果表明,通用學(xué)習(xí)網(wǎng)絡(luò)在控制系統(tǒng)中的作用非常明顯,控制效果明顯改善,上升時間、穩(wěn)定時間顯著縮短,