自适应逆控制方法的研究
|
摘要
本文对自适应逆控制方法进行了理论和仿真研究。针对进化规划在局部优化方面的不足和单纯形法在全局优化方面的不足，提出了基于进化规划和单纯形法相结合的算法--EPSM算法，并通过数学方法证明该算法是收敛的。针对传统RBF神经网络的训练方法在选择最优网络参数等方面的局限性，采用EPSM算法和标准进化规划算法训练径向基神经网络，通过仿真对比，验证了EPSM算法的实用性和有效性。针对逆系统方法要求精确的模型解析式，而大多数工业过程往往呈现很强的非线性行为且难以用解析式描述的特点，使用EPSM算法训练的RBF神经网络建立了系统的逆模型。用EPSM算法训练的RBF神经网络构成逆控制器，用于耦合系统的解耦控制，通过对多变量线性耦合系统和非线性耦合系统的仿真，能够有效地实现耦合系统的解耦。同时，将EPSM算法训练的RBF神经网络与传统的PID控制相结合用于系统的自适应逆控制，通过与传统的PID控制和直接逆控制进行比较，验证了自适应逆控制方法的有效性。
The method of adaptive inverse control is researched deeply in the thesis. Based on the analysis of respective merits and defects of evolutionary programming and simplex method, a hybrid algorithm of evolutionary programming and simplex method-EPSM algorithm is proposed in this thesis. The convergence of the hybrid algorithm is proved by mathematical method. Because the approach includes both the stochastic searching and determinate searching, to a certain extent, it can enhance the optimal ability of EP, so that it is a potential optimization. The traditional methods have some limits in selecting parameters of networks when is used to train RBF neural networks. Moreover, EPSM algorithm has few parameters and is applied easily. This approach avoids the shortcomings of other methods. EPSM and EP are used to train RBF neural networks. The validity and practicability of EPSM algorithm is verified by simulation. The inverse system method needs the precise models of the plant, however, it is difficult for these precise models to be described by accurate mathematical ones. The inverse model of a plant is built by RBF neural network, which is trained by EPSM algorithm. The mult-variable linear and nonlinear couping system is decouped .by the RBFNN inverse controller. The direct inverse controller combined with PID controller is implemented to adaptive inverse control of system. Finally we compare the result of simulation with that of conventional PID in linear system and with that of direct inverse control in nonlinear system.
The RBFNN inverse controller is combined with traditional PID controller in this thesis, and this method of adaptive inverse control provides a new approach for nonlinear system control.
The method of adaptive inverse control is researched deeply in the thesis. Based on the analysis of respective merits and defects of evolutionary programming and simplex method, a hybrid algorithm of evolutionary programming and simplex method-EPSM algorithm is proposed in this thesis. The convergence of the hybrid algorithm is proved by mathematical method. Because the approach includes both the stochastic searching and determinate searching, to a certain extent, it can enhance the optimal ability of EP, so that it is a potential optimization. The traditional methods have some limits in selecting parameters of networks when is used to train RBF neural networks. Moreover, EPSM algorithm has few parameters and is applied easily. This approach avoids the shortcomings of other methods. EPSM and EP are used to train RBF neural networks. The validity and practicability of EPSM algorithm is verified by simulation. The inverse system method needs the precise models of the plant, however, it is difficult for these precise models to be described by accurate mathematical ones. The inverse model of a plant is built by RBF neural network, which is trained by EPSM algorithm. The mult-variable linear and nonlinear couping system is decouped .by the RBFNN inverse controller. The direct inverse controller combined with PID controller is implemented to adaptive inverse control of system. Finally we compare the result of simulation with that of conventional PID in linear system and with that of direct inverse control in nonlinear system.
The RBFNN inverse controller is combined with traditional PID controller in this thesis, and this method of adaptive inverse control provides a new approach for nonlinear system control.
引文
[1] (美)Widrow B，Eugene Walach．自适应逆控制，刘树堂，韩崇昭译，西安：西安交通大学出版社，2000。
[2] B. Widrow and Michel Bilello. Adaptive inverse contro, Proceeding of the 1993 International Symposium on Intelligent Control. Chicago,Lllinois, USA, August 1993,1-5。
[3] Bernard Widrowand Gregory L. Plett. Nonlinear Adaptive Inverse Control , Proc of the 36th IEEE CDC San Diego, CA, 1997, 1032-1037。
[4] A.M. Karshenas, M.w. Dunnigan and Williams, Adaptive inverse control algorithm for shock testing, IEE Proc.-Control Theory Appl,Vol. 147, No3, May 2000, 267-276。
[5] 张兴华，戴先中．基于逆系统方法感应电机调速控制系统，控制与决策．2000，15(6)，708-711．
[6] X. Dai, J..Liu, C. Feng, D. He. Nueral network α- th order inverse system method for the control of nonlinear continuous systems, IEE proc.-control Theory Appl., Vol. 145, No. 6, November 1998, p519-522。
[7] 刘士荣，俞金寿．神经逆模／PID复合控制在CSTR中的应用，控制理论与应用，2001，18(5)，769-773．
[8] 党映农，韩崇昭．基于Volterra基函数网络的自适应逆控制方法，西安交通大学学报，2000，34(9)，8-12．
[9] 郭勇．基于非线性三容液位系统的逆控制算法研究，沈阳工业学院硕士学位论文，2002。
[10] 袁南儿，王万良，苏宏业．计算机新型控制策略及应用，北京：清华大学出版社，1998。
[11] 王正志，薄涛，进化计算，长沙：国防科技大学出版社，2000。
[12] 李春文，冯元昆．多变量非线性控制的逆系统方法，北京：清华大学出版社，1991。
[13] G. de Rivals-Mazeres, W. Yim, F. Mora-Camino and S.N. Singh. , Inverse control and stabilization of free-flying flexible robots, Robotica(1999)vol. 17343-350.
[14] 舒迪前．预测控制系统及其应用，北京：机械工业出版社，1998。
[15] Jeong-Woo Lee, and Jun-Ho Oh, Inversion control of nonlinear systems with neural network modeling, IEE Proc. -Control Theory Appl. Vol. 144, No. 5, September, 1997, pp. 481-488。
[16] 喻小红．广义PID神经网络多变量解耦控制系统结构及算法的研究，北京科技大学硕士学位论文，2001。
[17] 陈小红，高峰，钱积新．基于径向基函数网络的自造应控制和一种新的在线调节算法，控制理论与应用，1996，13(增刊)，42-44。
[18] 陈小红，侯春海，钱积新．逆系统方法的径向基函数网络实现控，控制与决策，1998，Vol．13(2)，146-150。
[19] 陈小红，钱积新．RBFN逆控制系统综合设计方法，浙江大学学报(工学版) 2000，Vol．34(2)，126-129。
[20] Whitehead B A. Genetic evolution of radial basis function coverage using orthogonal niches. IEEE Trans on Neural Networks, 1996, 7(6), 869-880。
[21] Jackson I R H. Convergence properties of radial basis functions. Constr Approx, 1988, (4):243-264。
[22] Sunil Elanayar V T, Yung CShin. Radial basis function neural network for approximation and estimation of nonlinear stochastic dynamic systems. IEEE Transactions on Neural Network, 1994,5(4):594-603。
[23] M S博格著，余庆余译．非线性与泛函分析．北京：科学出版社，1989。
[24] 周明，孙树栋．遗传算法原理及其应用，北京：国防工业出版社，1999。
[25] 李敏强，寇纪淞，林丹，李书全．遗传算法的基本理论与应用，北京：科学出版社，2002。
[26] 陈国良，王煦法，庄镇泉等．遗传算法及其应用，北京：人民邮电出版社，1996。
[27] Wang Xiaolan, Dong Jianghui ,Chen Debao, PID Self-tuning Control Based on Evolutionary programming, Proc. of the 4th World Congress on Intelligent Control and Automation(第四届全球智能控制与自动化大会)，上海，2002年6月。
[28] 潘正君，唐立山，陈毓屏，演化计算，北京：清华大学出版社，1998。
[29] 刘峰，刘贵忠，张茁生．进化规划的Markmov过程分析及收敛性，电子学报，1998，vol．26(8)，76-79。
[30] 彭宏，欧庆铃，杨立洪．连续空间演化规划的收敛性，华南理工大学学报(自然科学版)，1998，Vol．26(7)，1-3。
[31] 鲁燃，马学强，潘美芹．利用遗传算法搜索全局最优的一种混合算法，山东师范大学学报(自然科学版)，2000，Vol．15(4)，383-386。
[32] 郭崇惠，唐焕文．一种改进的进化规划算法极其收敛性，高等学校计算数学学报，2002，第1期，51-56。
[33] 吴庆洪，张纪会，徐心和．一种有效的进化规划算法，系统仿真学报，1999，Vol．11(NO．6)，409-411。
[34] 何献忠，李萍．优化技术及其应用(第二版)，北京：北京理工大学出版社，1995，19-31。
[35] 韩炜，廖振鹏．一种全局优化算法：遗传算法-单纯形法，地震工程与工程震动，2001，21(2)，6-12。
[36] 王凌，李令莱，郑大钟等，非线性时变系统时滞和参数在线联合估计的SMSA方法．化工自动化及仪表，2001，28(6)，5-9。
[37] 王晓哲，顾树生，吴成东，张伟宏．基于一种新的基因操作策略的改进遗传算法．控制与决策．2001，16(增刊)，689-691。
[38] H.S. Hwang, Automatic design of fuzzy rule base for modeling and control using evolutionary programming, IEEE Proc-control Theory Appl. 1999, 146(1), 1-15。
[39] John Yen, James C. Liao, Bogju Lee, et al, A hybrid approach to modeling metabolic system using agenetic algorithom and simplex method, IEEE
Trans on Systems, Man and Cybrnetics, 1998,28(2), 173-191。
[40] Wang Xiaolan, Dong Jianghui, Wang Huizhong, Evolutionary Programming Algorithm With an Operator of Simplex Method, Journal of Gansu University of Technology. Vol. E-6. No.1,2002。
[41] 陈得宝，王晓兰，邱熔胜．基于递阶进化规划的RBF网络设计新方法，甘肃工业大学学报，2001，27(3)，60-63。
[42] 王耀南．智能控制系统，长沙：湖南大学出版社，1996。
[43] 王诗宓．多变量控制系统的分析和设计．北京：中国电力出版社。
[44] 王晓哲．人工神经网络理论及其在线非线性多变量系统中的应用研究，东北大学博士学位论文，2002。
[45] 付连续，罗飞，文绍纯．人工神经网络在解耦控制中的应用，自动化技术，2001，20(4)：21-23。
[46] 张杰，邹继刚，李文秀．多输入多输出系统的神经网络PID解耦控制器，哈尔滨工程大学学报，2000，21(5)：6-9。
[47] 韩璞，张海琳，张丽静．神经网络自适应逆控制的仿真研究．华北电力大学学报，2001，28(3)26-30。
[48] L. Behera, M. Gopal, S. chaudhury. Inversion of RBF networks and applications to adaptive control of nonlinear systems, IEE proc.-control Theory Appl., Vol. 142, No. 6, November 1995,617-624。
[49] 王晓兰，董江辉，王惠中，基于改进的进化规划算法的自适应逆控制方法，自动化理论技术及应用(卷9)---中国自动化学会第十七届青年学术年会论文集，北戴河，2002年7月。
[50] 王晓兰，王惠中，杨智等．模糊神经网络实现的参数自校正控制，电工技术学报，1999，vol．14，51-54。
[51] K.J. Hunt, D. Sbarbro. Nueral networks for nonlinear internal model control[J]. IEE PROCEEDINGS-D ,1991, 138(5), 431-438。
[52] Ma Xiaomin. Inverse Identification and Closed-Loop Control of Dynamic System Using Neural Networks, CONTROL THEORY and APPLICATIONS (china). Vol. 14 (6) ,1997, 829-836。
[53] 党映农，韩崇昭．基于该进型Volterra基函数网络的直接自适应逆控制方法，控制与决策．2001，16(5)，632-636．
[54] Jerry L. Fausz, Vijay Sekhar Chellaboina,and Wassim M. Haddad., Inverse optimal adaptive control for nonlinear uncertain system with exogenous disturbances, Int. J. Adapt. Control Signal Process. 2000,14,1-38。
[55] PEDRO J. ZUFIRIA, JESUS FRAILE-ARDAVUY, RICADO RIAZA and JUAN I. ALONSO.,Nueral adaptive control of non-linear plants via a multiple inverse model approach, Int. J. Adapt. Control Signal Process. 13, 219-239(1999).
[56] 刘建昌．AGC系统的神经网络自适应控制[J]．控制与决策，1998，123(7)，438-442。
[57] 薛定宇．控制系统计算机辅助设计-MATLAB语言及应用，北京：清华大学出版社，1996。
[2] B. Widrow and Michel Bilello. Adaptive inverse contro, Proceeding of the 1993 International Symposium on Intelligent Control. Chicago,Lllinois, USA, August 1993,1-5。
[3] Bernard Widrowand Gregory L. Plett. Nonlinear Adaptive Inverse Control , Proc of the 36th IEEE CDC San Diego, CA, 1997, 1032-1037。
[4] A.M. Karshenas, M.w. Dunnigan and Williams, Adaptive inverse control algorithm for shock testing, IEE Proc.-Control Theory Appl,Vol. 147, No3, May 2000, 267-276。
[5] 张兴华，戴先中．基于逆系统方法感应电机调速控制系统，控制与决策．2000，15(6)，708-711．
[6] X. Dai, J..Liu, C. Feng, D. He. Nueral network α- th order inverse system method for the control of nonlinear continuous systems, IEE proc.-control Theory Appl., Vol. 145, No. 6, November 1998, p519-522。
[7] 刘士荣，俞金寿．神经逆模／PID复合控制在CSTR中的应用，控制理论与应用，2001，18(5)，769-773．
[8] 党映农，韩崇昭．基于Volterra基函数网络的自适应逆控制方法，西安交通大学学报，2000，34(9)，8-12．
[9] 郭勇．基于非线性三容液位系统的逆控制算法研究，沈阳工业学院硕士学位论文，2002。
[10] 袁南儿，王万良，苏宏业．计算机新型控制策略及应用，北京：清华大学出版社，1998。
[11] 王正志，薄涛，进化计算，长沙：国防科技大学出版社，2000。
[12] 李春文，冯元昆．多变量非线性控制的逆系统方法，北京：清华大学出版社，1991。
[13] G. de Rivals-Mazeres, W. Yim, F. Mora-Camino and S.N. Singh. , Inverse control and stabilization of free-flying flexible robots, Robotica(1999)vol. 17343-350.
[14] 舒迪前．预测控制系统及其应用，北京：机械工业出版社，1998。
[15] Jeong-Woo Lee, and Jun-Ho Oh, Inversion control of nonlinear systems with neural network modeling, IEE Proc. -Control Theory Appl. Vol. 144, No. 5, September, 1997, pp. 481-488。
[16] 喻小红．广义PID神经网络多变量解耦控制系统结构及算法的研究，北京科技大学硕士学位论文，2001。
[17] 陈小红，高峰，钱积新．基于径向基函数网络的自造应控制和一种新的在线调节算法，控制理论与应用，1996，13(增刊)，42-44。
[18] 陈小红，侯春海，钱积新．逆系统方法的径向基函数网络实现控，控制与决策，1998，Vol．13(2)，146-150。
[19] 陈小红，钱积新．RBFN逆控制系统综合设计方法，浙江大学学报(工学版) 2000，Vol．34(2)，126-129。
[20] Whitehead B A. Genetic evolution of radial basis function coverage using orthogonal niches. IEEE Trans on Neural Networks, 1996, 7(6), 869-880。
[21] Jackson I R H. Convergence properties of radial basis functions. Constr Approx, 1988, (4):243-264。
[22] Sunil Elanayar V T, Yung CShin. Radial basis function neural network for approximation and estimation of nonlinear stochastic dynamic systems. IEEE Transactions on Neural Network, 1994,5(4):594-603。
[23] M S博格著，余庆余译．非线性与泛函分析．北京：科学出版社，1989。
[24] 周明，孙树栋．遗传算法原理及其应用，北京：国防工业出版社，1999。
[25] 李敏强，寇纪淞，林丹，李书全．遗传算法的基本理论与应用，北京：科学出版社，2002。
[26] 陈国良，王煦法，庄镇泉等．遗传算法及其应用，北京：人民邮电出版社，1996。
[27] Wang Xiaolan, Dong Jianghui ,Chen Debao, PID Self-tuning Control Based on Evolutionary programming, Proc. of the 4th World Congress on Intelligent Control and Automation(第四届全球智能控制与自动化大会)，上海，2002年6月。
[28] 潘正君，唐立山，陈毓屏，演化计算，北京：清华大学出版社，1998。
[29] 刘峰，刘贵忠，张茁生．进化规划的Markmov过程分析及收敛性，电子学报，1998，vol．26(8)，76-79。
[30] 彭宏，欧庆铃，杨立洪．连续空间演化规划的收敛性，华南理工大学学报(自然科学版)，1998，Vol．26(7)，1-3。
[31] 鲁燃，马学强，潘美芹．利用遗传算法搜索全局最优的一种混合算法，山东师范大学学报(自然科学版)，2000，Vol．15(4)，383-386。
[32] 郭崇惠，唐焕文．一种改进的进化规划算法极其收敛性，高等学校计算数学学报，2002，第1期，51-56。
[33] 吴庆洪，张纪会，徐心和．一种有效的进化规划算法，系统仿真学报，1999，Vol．11(NO．6)，409-411。
[34] 何献忠，李萍．优化技术及其应用(第二版)，北京：北京理工大学出版社，1995，19-31。
[35] 韩炜，廖振鹏．一种全局优化算法：遗传算法-单纯形法，地震工程与工程震动，2001，21(2)，6-12。
[36] 王凌，李令莱，郑大钟等，非线性时变系统时滞和参数在线联合估计的SMSA方法．化工自动化及仪表，2001，28(6)，5-9。
[37] 王晓哲，顾树生，吴成东，张伟宏．基于一种新的基因操作策略的改进遗传算法．控制与决策．2001，16(增刊)，689-691。
[38] H.S. Hwang, Automatic design of fuzzy rule base for modeling and control using evolutionary programming, IEEE Proc-control Theory Appl. 1999, 146(1), 1-15。
[39] John Yen, James C. Liao, Bogju Lee, et al, A hybrid approach to modeling metabolic system using agenetic algorithom and simplex method, IEEE
Trans on Systems, Man and Cybrnetics, 1998,28(2), 173-191。
[40] Wang Xiaolan, Dong Jianghui, Wang Huizhong, Evolutionary Programming Algorithm With an Operator of Simplex Method, Journal of Gansu University of Technology. Vol. E-6. No.1,2002。
[41] 陈得宝，王晓兰，邱熔胜．基于递阶进化规划的RBF网络设计新方法，甘肃工业大学学报，2001，27(3)，60-63。
[42] 王耀南．智能控制系统，长沙：湖南大学出版社，1996。
[43] 王诗宓．多变量控制系统的分析和设计．北京：中国电力出版社。
[44] 王晓哲．人工神经网络理论及其在线非线性多变量系统中的应用研究，东北大学博士学位论文，2002。
[45] 付连续，罗飞，文绍纯．人工神经网络在解耦控制中的应用，自动化技术，2001，20(4)：21-23。
[46] 张杰，邹继刚，李文秀．多输入多输出系统的神经网络PID解耦控制器，哈尔滨工程大学学报，2000，21(5)：6-9。
[47] 韩璞，张海琳，张丽静．神经网络自适应逆控制的仿真研究．华北电力大学学报，2001，28(3)26-30。
[48] L. Behera, M. Gopal, S. chaudhury. Inversion of RBF networks and applications to adaptive control of nonlinear systems, IEE proc.-control Theory Appl., Vol. 142, No. 6, November 1995,617-624。
[49] 王晓兰，董江辉，王惠中，基于改进的进化规划算法的自适应逆控制方法，自动化理论技术及应用(卷9)---中国自动化学会第十七届青年学术年会论文集，北戴河，2002年7月。
[50] 王晓兰，王惠中，杨智等．模糊神经网络实现的参数自校正控制，电工技术学报，1999，vol．14，51-54。
[51] K.J. Hunt, D. Sbarbro. Nueral networks for nonlinear internal model control[J]. IEE PROCEEDINGS-D ,1991, 138(5), 431-438。
[52] Ma Xiaomin. Inverse Identification and Closed-Loop Control of Dynamic System Using Neural Networks, CONTROL THEORY and APPLICATIONS (china). Vol. 14 (6) ,1997, 829-836。
[53] 党映农，韩崇昭．基于该进型Volterra基函数网络的直接自适应逆控制方法，控制与决策．2001，16(5)，632-636．
[54] Jerry L. Fausz, Vijay Sekhar Chellaboina,and Wassim M. Haddad., Inverse optimal adaptive control for nonlinear uncertain system with exogenous disturbances, Int. J. Adapt. Control Signal Process. 2000,14,1-38。
[55] PEDRO J. ZUFIRIA, JESUS FRAILE-ARDAVUY, RICADO RIAZA and JUAN I. ALONSO.,Nueral adaptive control of non-linear plants via a multiple inverse model approach, Int. J. Adapt. Control Signal Process. 13, 219-239(1999).
[56] 刘建昌．AGC系统的神经网络自适应控制[J]．控制与决策，1998，123(7)，438-442。
[57] 薛定宇．控制系统计算机辅助设计-MATLAB语言及应用，北京：清华大学出版社，1996。