神经网络在非线性预测控制中的应用研究
|
摘要
预测控制自上世纪70年代产生以来,因其对模型要求低、具有较强鲁棒性等
特点,在生产过程中获得了良好的应用。目前,对线性系统预测控制算法的研究已
经比较深入,相对理论也比较成熟。而对于非线性系统,因其自身的复杂性,使得
寻找一种统一的非线性预测控制方法很困难。
本文围绕着预测模型、反馈校正、滚动优化三项预测控制的基本原理对神经网
络技术在非线性预测控制中的应用进行了深入的研究和探讨,并最终给出了相应的
研究成果。主要研究工作概况如下:
1. 对预测控制算法中典型的动态矩阵控制算法进行了研究,并通过实例仿真分析
了在预测控制中预测时域P、控制时域M以及其他参数对控制性能的影响。
2. 针对在非线性预测控制中广泛应用的BP神经网络存在收敛速度慢,容易陷入
局部最小的缺点,本文提出了一种基于并行拟牛顿优化算法的并行拟牛顿神经
网络。同BP神经网络和BFGS拟牛顿神经网络相比,该神经网络具有收敛速度
快,模型精度高的特点,更适合于实时非线性控制。此外,通过对局部动态递
归网络中的Elman网络中上下文单元层各神经元增加自反馈功能的方法,提高
西安理工大学硕士学位论文
了Elman网络对动态非线性系统的泛化能力。
3.针对神经网络递推多步预测会随着预测时域的增人而产生累积模型误差的问
题,本文提出了一种模糊白补偿式在线反馈校正方法。该方法利用专家经验建
立模型误差随时间变化的规则表,并通过杳表对补偿模型误差进行修正,提高
了对神经网络预测模刑输出的校正质量。
4.在研究并分析当前有关基于神经网络预测模烈的滚动优化方法的基础上,提出
了一种神经网络白适应Pl预测控制策略。该方法对系统内在参数变化和模型的
不确定性问题通过在线的预测白适应调节增加到PI控制器中,使系统响应速
度变快,并且能够在较短的时间达到系统稳态值。
关键词:神经网络:非线性系统;预测控制;井行拟牛顿算法;神经网络自适应
P工预测控制
Based on the study status of model predictive control and the problem on application neural network in nonlinear predictive control, some problems are studied and discussed in the article, also the corresponding results are given. The main contents are as follows:1. Based on the basic structure and theory of dynamic matrix predictive control, the predictive model, the method of revising feedback, receding horizon optimization and the influence on performance of controlling of the predictive horizon P, control horizon M and others parameters is analyzed in detail.2. To improve the rate of convergence of the BP neural networks for nonlinear system identification in nonlinear predictive control, a novel parallel quasi-Newton optimization Technique is proposed and as multi-step predictive model of nonlinear industrialized process. The simulation results confirm the algorithm is able to increase the precision of nonlinear predictive model greatly and improve the rate of rate of convergence of neural network. Moreover, a novel recurrent neural network - Elman be given for dynamic nonlinear system predictive model.
3. To improve the revising feedback performances, a fuzzy self-compensating correction method for nonlinear multi-step prediction is presented. The simulation results showing the effectiveness fend robustness of the algorithm in nonlinear predictive control and dynamic of the controlled system.4. Based on the analysis present receding horizon optimization methods for neural network predictive model, a neural network adaptive PI controller is proposed. The parameters of the PI controller are tuned by the error of predictive output and the real system output. The simulation results prove the method is effective in adaptation and tracking of the different process operating.
特点,在生产过程中获得了良好的应用。目前,对线性系统预测控制算法的研究已
经比较深入,相对理论也比较成熟。而对于非线性系统,因其自身的复杂性,使得
寻找一种统一的非线性预测控制方法很困难。
本文围绕着预测模型、反馈校正、滚动优化三项预测控制的基本原理对神经网
络技术在非线性预测控制中的应用进行了深入的研究和探讨,并最终给出了相应的
研究成果。主要研究工作概况如下:
1. 对预测控制算法中典型的动态矩阵控制算法进行了研究,并通过实例仿真分析
了在预测控制中预测时域P、控制时域M以及其他参数对控制性能的影响。
2. 针对在非线性预测控制中广泛应用的BP神经网络存在收敛速度慢,容易陷入
局部最小的缺点,本文提出了一种基于并行拟牛顿优化算法的并行拟牛顿神经
网络。同BP神经网络和BFGS拟牛顿神经网络相比,该神经网络具有收敛速度
快,模型精度高的特点,更适合于实时非线性控制。此外,通过对局部动态递
归网络中的Elman网络中上下文单元层各神经元增加自反馈功能的方法,提高
西安理工大学硕士学位论文
了Elman网络对动态非线性系统的泛化能力。
3.针对神经网络递推多步预测会随着预测时域的增人而产生累积模型误差的问
题,本文提出了一种模糊白补偿式在线反馈校正方法。该方法利用专家经验建
立模型误差随时间变化的规则表,并通过杳表对补偿模型误差进行修正,提高
了对神经网络预测模刑输出的校正质量。
4.在研究并分析当前有关基于神经网络预测模烈的滚动优化方法的基础上,提出
了一种神经网络白适应Pl预测控制策略。该方法对系统内在参数变化和模型的
不确定性问题通过在线的预测白适应调节增加到PI控制器中,使系统响应速
度变快,并且能够在较短的时间达到系统稳态值。
关键词:神经网络:非线性系统;预测控制;井行拟牛顿算法;神经网络自适应
P工预测控制
Based on the study status of model predictive control and the problem on application neural network in nonlinear predictive control, some problems are studied and discussed in the article, also the corresponding results are given. The main contents are as follows:1. Based on the basic structure and theory of dynamic matrix predictive control, the predictive model, the method of revising feedback, receding horizon optimization and the influence on performance of controlling of the predictive horizon P, control horizon M and others parameters is analyzed in detail.2. To improve the rate of convergence of the BP neural networks for nonlinear system identification in nonlinear predictive control, a novel parallel quasi-Newton optimization Technique is proposed and as multi-step predictive model of nonlinear industrialized process. The simulation results confirm the algorithm is able to increase the precision of nonlinear predictive model greatly and improve the rate of rate of convergence of neural network. Moreover, a novel recurrent neural network - Elman be given for dynamic nonlinear system predictive model.
3. To improve the revising feedback performances, a fuzzy self-compensating correction method for nonlinear multi-step prediction is presented. The simulation results showing the effectiveness fend robustness of the algorithm in nonlinear predictive control and dynamic of the controlled system.4. Based on the analysis present receding horizon optimization methods for neural network predictive model, a neural network adaptive PI controller is proposed. The parameters of the PI controller are tuned by the error of predictive output and the real system output. The simulation results prove the method is effective in adaptation and tracking of the different process operating.
引文
[1] 席裕庚.预测控制.北京:国防工业出版社,1993.
[2] 王伟.广义预测控制理论与应用.北京:科学出版社,1998.
[3] 舒迪前.预测控制系统及其应用.北京:机械工业出版社,1998.
[4] Richalet J,Rault A. Model Predictive Heuristic Control: Application to Industrial Process. Automatica, Vol:14, Iss:5, 1978:413-428.
[5] CARLOS E. GARCLA, DAVID M.PRETT and MANFRED MORARI. Model Predictive control:Theory and practice a Survey. Automatica, Vol:25, Iss:3. 1989:335-348.
[6] 周建锁,刘志远,裴涧.非线性模型预测控制的进展.中国控制与 决策学术年会论文集,2000:112-117.
[7] 邹健.智能预测控制及其应用研究.浙江大学博士论文,2002年 6月.
[8] 苏宏业,李林欢,褚健.预测控制的新进展.机电工程,18(5) , 2001:4-8.
[9] 李湘君.智能预测控制算法及其应用研究.南京工业大学硕士论 文,2004年4月.
[10] 龚剑,朱亮.Matlab5. X入门与提高.北京:清华大学出版社, 2000.
[11] 徐昕等.Matlab工具箱应用指南-控制工程篇.北京:电子工业 出版社,2000.
[12] 陈增强,袁著祉,张燕.基于神经网络的非线性预测控制综述.控 制工程,9(4) ,2002:7-11.
[13] J. S. Donat.Neural net based model predictive control.
??Int. J. Control, Vol:54, Iss:6, 1991:1453-1458.
[14] Mircea Lazar, Octavian Pasatravanu. A neural predictive controller for non-linear systems. Mathematics and Computers in Simulation. Vol:60. 2002:315-324.
[15] Li-Xin Wang, Feng Wang. Structured neural networks for constrained model predictive control.Automatica, Vol:37,2001:1235-1243.
[16] Haiwen Ye, Weidou Ni. Nonlinear system identification Using a Bayesian-Gaussian neural network for predictive control . Neurocomputing, Vol:28, 1999:21-36.
[17] Miguel Ayala Botto,Jose Sa Da Costa. A comparison of nonlinear predictive control techniques using neural network models. Journal of Systems Architecture, Vol: 44,1998:579-616.
[18] R.Haber,U. Schmitz, R. Bars. Optimal choice of horizons for Predictive control by using genetic algorithms.Annual Reviews in Contol, Vol:28, 2004:53-58.
[19] 石中锁,孙一康,舒迪前.基于神经网络的动态矩阵控制.北京科 技大学学报,17(5) ,1995:451-454.
[20] 李少远,刘浩,袁著祉.基于神经网络误差修正的广义预测控制. 控制理论与应用,13(5) ,1996:677-680.
[21] 车海平,贺红峰,陈增强,等基于网络的广义预测学习控制器. 南开大学学报,28(1) ,1997:37-51.
[22] 刘宝坤,王慧等.基于神经网络模型的直接优化预测控制.信息 与工程,27(5) ,1998:386-390.
[23] 陈增强,袁著祉,车海平.基于神经网络的非线性系统间接自 校正预测控制.南开大学学报,32(3) ,1999:53-57.
[24] 刘喜梅.基于神经网络建模的预测控制.青岛化工学院学报, 20(3) ,1999:284-287.
[25] 林茂琼,刘浩,袁著祉.基于阻尼最小二乘法的神经网络预测偏 差补偿自校正控制器.信息与控制,29(1) ,2000:27-33.
[26] 徐湘元,毛宗源.时滞系统的神经网络预测控制.控制理论与应 用,18(6) ,2001:932-934.
[27] 张广莹,邓正隆,林玉荣.一类基于神经网络的非线性模型预测 控制.系统仿真学报,15(2) ,2003:275-277,293.
[28] 杨平,彭道平,韩璞,于希宁.神经网络预测控制算法及其应用. 控制工程,10(4) ,2003:349-351.
[29] 苏成利,李平.一类非线性系统的神经网络预测控制.自动化技 术与应用,22(4) ,2003:5-7.
[30] 陈博,钱锋,刘漫丹一种基于BP网络的预测控制算法及其 应用.华东理工大学学报,29(4) ,2003:400-404.
[31] 陆军,李殿璞,华克强.CMAC神经网络在非线性预测控制中的应 用.自动化与仪器仪表,2,2001:5-7.
[32] 郭丹,李平,曹江涛.基于Elman网络的非线性系统神经元自适 应预测控制.计算机仿真,20(8) ,2003:55-60.
[33] 薛福珍,柏洁.基于先验知识和神经网络的非线性建模与预测控 制.系统仿真学报,16(5) ,2004:1057-1063.
[34] 孙增圻,张再兴,邓志东.智能控制理论与技术.北京:清华大学 出版社,1997:170-180.
[35] 李人厚.智能控制理论和方法.西安:西安电子科技大学出版社, 1999:102-166.
[36] 徐丽娜.神经网络控制.哈尔滨:哈尔滨工业大学出版社,1999.
[37] 陈宝林.最优化理论与算法.北京:清华大学出版社,1989: 334-391.
[38] 杨秋贵.基于拟牛顿法的前向神经元网络学习算法.控制与决策, 12(4) ,1997:357-360.
[39] 何剑春,俞立,杨马英,陈国定.基于拟牛顿法多层前向网络的 预测控制.浙江工业大学学报,28(2) ,2000:121-124.
[40] 袁亚湘,孙文瑜.最优化理论与方法.北京:科学出版社,1997.
[41] 邓乃杨,无约束最优化计算方法.北京:科学出版社,1982.
[42] PaulK. H. Phua,Daohua Ming. Parallel Nonlinear Optimization Techniques for Training Neural Networks. IEEE Trans. Neural Networks, Vol. 14, NO. 6, pp. 1460-1468, 2003.
[43] 陈境.基于模糊算法的前馈控制研究和递归神经网络的反馈控 制在中和过程控制中的应用,浙江大学硕士论文.2003年3月.
[44] 何玉斌,李新忠等.神经网络控制技术及其应用.北京:科学出版 社,2000:1-58.
[45] 李湘君.智能预测控制算法及其应用研究,南京工业大学硕士论 文.2004年4月.
[46] Daoping Huan,A.R. vanCauwenberghe. Neural nerwork based Multiple Feedback Long-range Predictive control. Neuro-co mputing, 18(1998) : 127-13.
[47] 李少远等.基于模糊反馈校正的广义预测控制.系统工程与电 子,10(1997) :50-53.
[48] 王根平,张玉润,周春晖.预测控制在PID调节器设计中的应用. 兵工自动化,2,1996:15-18.
[49] 王群先,陈增强,袁著祉.基于BP网络的PID型预测自校正控制 器.控制与决策,13(2) ,1998:185-188.
[50] 李林欢.预测PID控制理论与若干问题研究.浙江大学硕士论 文,2003年3月.
[51] 刘莹.基于神经网络的非线性系统多步预测控制.河北工业大学
??硕士论文,2004年3月.
[52] 郭健,朱瑞军,胡维礼.一类非线性系统的自适应广义预测控制. 控制与决策,16(3) ,2001:358-361.
[2] 王伟.广义预测控制理论与应用.北京:科学出版社,1998.
[3] 舒迪前.预测控制系统及其应用.北京:机械工业出版社,1998.
[4] Richalet J,Rault A. Model Predictive Heuristic Control: Application to Industrial Process. Automatica, Vol:14, Iss:5, 1978:413-428.
[5] CARLOS E. GARCLA, DAVID M.PRETT and MANFRED MORARI. Model Predictive control:Theory and practice a Survey. Automatica, Vol:25, Iss:3. 1989:335-348.
[6] 周建锁,刘志远,裴涧.非线性模型预测控制的进展.中国控制与 决策学术年会论文集,2000:112-117.
[7] 邹健.智能预测控制及其应用研究.浙江大学博士论文,2002年 6月.
[8] 苏宏业,李林欢,褚健.预测控制的新进展.机电工程,18(5) , 2001:4-8.
[9] 李湘君.智能预测控制算法及其应用研究.南京工业大学硕士论 文,2004年4月.
[10] 龚剑,朱亮.Matlab5. X入门与提高.北京:清华大学出版社, 2000.
[11] 徐昕等.Matlab工具箱应用指南-控制工程篇.北京:电子工业 出版社,2000.
[12] 陈增强,袁著祉,张燕.基于神经网络的非线性预测控制综述.控 制工程,9(4) ,2002:7-11.
[13] J. S. Donat.Neural net based model predictive control.
??Int. J. Control, Vol:54, Iss:6, 1991:1453-1458.
[14] Mircea Lazar, Octavian Pasatravanu. A neural predictive controller for non-linear systems. Mathematics and Computers in Simulation. Vol:60. 2002:315-324.
[15] Li-Xin Wang, Feng Wang. Structured neural networks for constrained model predictive control.Automatica, Vol:37,2001:1235-1243.
[16] Haiwen Ye, Weidou Ni. Nonlinear system identification Using a Bayesian-Gaussian neural network for predictive control . Neurocomputing, Vol:28, 1999:21-36.
[17] Miguel Ayala Botto,Jose Sa Da Costa. A comparison of nonlinear predictive control techniques using neural network models. Journal of Systems Architecture, Vol: 44,1998:579-616.
[18] R.Haber,U. Schmitz, R. Bars. Optimal choice of horizons for Predictive control by using genetic algorithms.Annual Reviews in Contol, Vol:28, 2004:53-58.
[19] 石中锁,孙一康,舒迪前.基于神经网络的动态矩阵控制.北京科 技大学学报,17(5) ,1995:451-454.
[20] 李少远,刘浩,袁著祉.基于神经网络误差修正的广义预测控制. 控制理论与应用,13(5) ,1996:677-680.
[21] 车海平,贺红峰,陈增强,等基于网络的广义预测学习控制器. 南开大学学报,28(1) ,1997:37-51.
[22] 刘宝坤,王慧等.基于神经网络模型的直接优化预测控制.信息 与工程,27(5) ,1998:386-390.
[23] 陈增强,袁著祉,车海平.基于神经网络的非线性系统间接自 校正预测控制.南开大学学报,32(3) ,1999:53-57.
[24] 刘喜梅.基于神经网络建模的预测控制.青岛化工学院学报, 20(3) ,1999:284-287.
[25] 林茂琼,刘浩,袁著祉.基于阻尼最小二乘法的神经网络预测偏 差补偿自校正控制器.信息与控制,29(1) ,2000:27-33.
[26] 徐湘元,毛宗源.时滞系统的神经网络预测控制.控制理论与应 用,18(6) ,2001:932-934.
[27] 张广莹,邓正隆,林玉荣.一类基于神经网络的非线性模型预测 控制.系统仿真学报,15(2) ,2003:275-277,293.
[28] 杨平,彭道平,韩璞,于希宁.神经网络预测控制算法及其应用. 控制工程,10(4) ,2003:349-351.
[29] 苏成利,李平.一类非线性系统的神经网络预测控制.自动化技 术与应用,22(4) ,2003:5-7.
[30] 陈博,钱锋,刘漫丹一种基于BP网络的预测控制算法及其 应用.华东理工大学学报,29(4) ,2003:400-404.
[31] 陆军,李殿璞,华克强.CMAC神经网络在非线性预测控制中的应 用.自动化与仪器仪表,2,2001:5-7.
[32] 郭丹,李平,曹江涛.基于Elman网络的非线性系统神经元自适 应预测控制.计算机仿真,20(8) ,2003:55-60.
[33] 薛福珍,柏洁.基于先验知识和神经网络的非线性建模与预测控 制.系统仿真学报,16(5) ,2004:1057-1063.
[34] 孙增圻,张再兴,邓志东.智能控制理论与技术.北京:清华大学 出版社,1997:170-180.
[35] 李人厚.智能控制理论和方法.西安:西安电子科技大学出版社, 1999:102-166.
[36] 徐丽娜.神经网络控制.哈尔滨:哈尔滨工业大学出版社,1999.
[37] 陈宝林.最优化理论与算法.北京:清华大学出版社,1989: 334-391.
[38] 杨秋贵.基于拟牛顿法的前向神经元网络学习算法.控制与决策, 12(4) ,1997:357-360.
[39] 何剑春,俞立,杨马英,陈国定.基于拟牛顿法多层前向网络的 预测控制.浙江工业大学学报,28(2) ,2000:121-124.
[40] 袁亚湘,孙文瑜.最优化理论与方法.北京:科学出版社,1997.
[41] 邓乃杨,无约束最优化计算方法.北京:科学出版社,1982.
[42] PaulK. H. Phua,Daohua Ming. Parallel Nonlinear Optimization Techniques for Training Neural Networks. IEEE Trans. Neural Networks, Vol. 14, NO. 6, pp. 1460-1468, 2003.
[43] 陈境.基于模糊算法的前馈控制研究和递归神经网络的反馈控 制在中和过程控制中的应用,浙江大学硕士论文.2003年3月.
[44] 何玉斌,李新忠等.神经网络控制技术及其应用.北京:科学出版 社,2000:1-58.
[45] 李湘君.智能预测控制算法及其应用研究,南京工业大学硕士论 文.2004年4月.
[46] Daoping Huan,A.R. vanCauwenberghe. Neural nerwork based Multiple Feedback Long-range Predictive control. Neuro-co mputing, 18(1998) : 127-13.
[47] 李少远等.基于模糊反馈校正的广义预测控制.系统工程与电 子,10(1997) :50-53.
[48] 王根平,张玉润,周春晖.预测控制在PID调节器设计中的应用. 兵工自动化,2,1996:15-18.
[49] 王群先,陈增强,袁著祉.基于BP网络的PID型预测自校正控制 器.控制与决策,13(2) ,1998:185-188.
[50] 李林欢.预测PID控制理论与若干问题研究.浙江大学硕士论 文,2003年3月.
[51] 刘莹.基于神经网络的非线性系统多步预测控制.河北工业大学
??硕士论文,2004年3月.
[52] 郭健,朱瑞军,胡维礼.一类非线性系统的自适应广义预测控制. 控制与决策,16(3) ,2001:358-361.