BP多层神经网络在控制中的应用
|
摘要
神经网络具有并行处理能力、自学习、自适应能力和可以逼近任意的非线性函数等特点，是解决非线性、大滞后、多变量、不确定的复杂控制问题的一条有效的途径。它在控制领域中辨识、参数优化、控制等方面得到广泛应用。
本文就神经网络在辨识、参数优化和控制方面的应用展开研究。首先给出神经网络控制系统的整体设计思路，编写相应的软件，该软件包括多种神经网络网型，并且可以通过不同方式与组态软件集成运行。然后利用该软件对被控对象进行辨识、参数优化和控制：使用多种网型对三区加热炉进行辨识，通过比较辨识结果，得出采用Elman网络辨识动态系统效果较好的结论；接下来利用神经网络对PID控制器进行参数优化，实现基于神经网络的PID自适应控制，并对此控制系统改进，形成了有模型的神经网络PID自适应控制，获得较好的控制效果；最后利用PID神经网络直接作为控制器对三容水槽和立式电炉进行控制，结果表明，该方法有较好的控制效果。
上述研究表明神经网络能在一定程度上解决控制中的复杂问题，有较好的应用前景。
The neural network has many abilities: parallel processing, self-learning and self-adapting, approaching any nonlinear function etc. ; to deal with the problem of control in the industry process with wide lag?nonlinear?multivariable and uncertainty, it is an effective way to develop neural network. So neural network is used widely in these aspects: identification, control, parameter optimization.
The research of this dissertation lies on three aspects: identification, control, parameter optimization. Firstly this dissertation introduces the design of neural network control system. According to the design, we program the neural network software. The software includes many kinds of networks, and can run with different configration software through different ways. With this software, we can construct the control system. Then we use some networks to identify the furnace. Comparing
the results, a conclusion can be drew: To identify the dynamic system , elman network can get better result. After that, BP neural network is used to optimize the parameters of PID controller, and the controller is also applied to the control of furnace temperature. Then we improved the system with model. At last, we use PID neural network to control the objects directly. The result of the control in three-tank liquid level equipment and stand-up furnace is excellent.
The researches above indicate that the neural network can solve the complicated problem of control to a certain extent, and has better prospect in the application of control.
本文就神经网络在辨识、参数优化和控制方面的应用展开研究。首先给出神经网络控制系统的整体设计思路，编写相应的软件，该软件包括多种神经网络网型，并且可以通过不同方式与组态软件集成运行。然后利用该软件对被控对象进行辨识、参数优化和控制：使用多种网型对三区加热炉进行辨识，通过比较辨识结果，得出采用Elman网络辨识动态系统效果较好的结论；接下来利用神经网络对PID控制器进行参数优化，实现基于神经网络的PID自适应控制，并对此控制系统改进，形成了有模型的神经网络PID自适应控制，获得较好的控制效果；最后利用PID神经网络直接作为控制器对三容水槽和立式电炉进行控制，结果表明，该方法有较好的控制效果。
上述研究表明神经网络能在一定程度上解决控制中的复杂问题，有较好的应用前景。
The neural network has many abilities: parallel processing, self-learning and self-adapting, approaching any nonlinear function etc. ; to deal with the problem of control in the industry process with wide lag?nonlinear?multivariable and uncertainty, it is an effective way to develop neural network. So neural network is used widely in these aspects: identification, control, parameter optimization.
The research of this dissertation lies on three aspects: identification, control, parameter optimization. Firstly this dissertation introduces the design of neural network control system. According to the design, we program the neural network software. The software includes many kinds of networks, and can run with different configration software through different ways. With this software, we can construct the control system. Then we use some networks to identify the furnace. Comparing
the results, a conclusion can be drew: To identify the dynamic system , elman network can get better result. After that, BP neural network is used to optimize the parameters of PID controller, and the controller is also applied to the control of furnace temperature. Then we improved the system with model. At last, we use PID neural network to control the objects directly. The result of the control in three-tank liquid level equipment and stand-up furnace is excellent.
The researches above indicate that the neural network can solve the complicated problem of control to a certain extent, and has better prospect in the application of control.
引文
[1] 闻新，周露等．Matlab神经网络应用设计．北京：北京科学出版社，2001．
[2] http://mathworks.com
[3] NeuroShe112 User's Manual. Ward Systems Group Inc, 1994
[4] http://www.wardsystems.com
[5] http://www.neuroshell.com
[6] http://www.neuroproject.org
[7] 裴浩东，苏宏业，褚健．BP算法的改进及其在焊接过程控制中的应用．浙江大学学报(工学版)，2002，1，36(1)：32-35
[8] 何悦盛，叶春，杨波，忻建华．BP网络在电站故障诊断系统中的应用研究．电力自动化设备，2002，5，22(5)：7-9
[9] 李士勇．模糊控制 神经控制和智能控制．哈尔滨：哈尔滨工业大学出版社，1996
[10] 王科俊，王克成．神经网络建模、预报与控制．哈尔滨：哈尔滨工程大学出版社，1996
[11] 史忠科．神经网络控制理论．西安：西北工业大学出版社，1997
[12] 杨建刚．人工神经网络实用教程．浙江：浙江大学出版社，2001
[13] 沈清，胡德文，时春．神经网络应用技术．长沙：国防科技大学出版社，1993
[14] Widrow B,et al. Neural Networks Application in Industry, Business and Science. Communication of the ACM, 1994,37:93-105
[15] 尹朝庆，尹皓．人工智能与专家系统．北京：中国水利水电出版社，2002
[16] 徐秉铮等．神经网络理论与应用．广州：华南理工大学出版社，1994
[17] Antsaklisp. Neural Networks in Control System[J]. 1992,12(2):8-10.
[18] 张帆，邵之江，仲卫涛，钱积新．基于神经网络的在线优化软件的设计与实现．机电工程，2000，17(2)：59-62
[19] 高济．基于知识的软件智能化技术．浙江：浙江大学出版社，2000
[20] 陈作炳，艾春庭，夏雪峰．BP神经网络仿真软件．计算机仿真，2001，7，18(4)：23-25
[21] 周苏，陈敏玲．软件工程及其应用．天津：天津科学技术出版社，1992
[22] 钟珞，徐宝文．计算机软件方法学．北京：中国铁道出版社，1996
[23] 赵林明，胡浩云等．多层前向人工神经网络．郑州：黄河水利出版社，1999
[24] Pham D.T, Liu X. Training of Elman Networks and Dynamic System Modeling.
International Journal of System Science, 1996, 27(2):221-226.
[25] 焦李成．神经网络计算．西安：西安电子科技大学出版社，1993，9
[26] Sarkav D. Methods to Speed up Error BP Learning Algorithm. ACM Computing Survey,1995,27:519-592
[27] 申东日，冯少辉，陈义俊．BP网络改进方法概述．化工自动化及仪表，2000，27(1)：30-32
[28] 高雪鹏，丛爽．BP网络改进算法的性能对比研究．控制与决策，2001，3，16(2)：167-171
[29] 王耀南．计算智能信息处理技术及应用．长沙：湖南大学出版社，1999
[30] 高小榕，杨福生．采用同伦BP算法进行多层前向神经网络的训练．计算机学报，1996，11：209-213
[31] Rumelhart D E,et al. Learning Representation by BP Errors. Nature(London), 1986,7: 149-154
[32] Werbos P J. The Roots of Back propagation: From Ordered Derivatives to NN. John Wiley & Sons Inc, 1994
[33] Looney C G. Advances in Feedforward Neural Network Training. IEEE Computer, 1996,3: 45-54
[34] Mzard, M.,Nadal, J.PP. Learning in Feed-forward Layered Networks: The Tiling Algorithm[J]. J.Phys.A: Math. Gen., 1989,22(8):2192-2203.
[35] Fahlman, S.E., Lebiere, C.The Cascade-Correction Learning Architecture[A]. Advances in Neural Network Using Processing System 2(Touretzky, D.S.ED.)[C],1990,524-532.
[36] Daqi Gan.The Optimal Number of Hide Nodes in Multilayed Feedforward Neural networks.IEEE, SMC CECA,LiLLe,France,July,1996
[37] 马国华．监控组态软件及其应用．北京：北京清华大学出版社，2001
[38] 王作宏，王永骥．基于多层前向神经网络的电加热炉系统辨识．武汉科技学院学报，2001，6，14(2)：19-25
[39] 陈祥光，黄聪明，薛锦诚，傅若农．神经网络智能控制系统中辨识网络设计方法的探讨．计算机仿真，2000，7，17(4)：36-39
[40] 黎晓刚，张焰，郭迎卿．神经网络辨识及控制研究．电气传动自动化．1999，2，21(1)：45-49
[41] 刘清．基于人工神经网络的非线性系统辨识．武汉交通科技大学学报，1999，4，23(2)：154-157
[42] 何明一．双并联前向神经网络的误差分析．西北工业大学学报，1997，2，15(1)：125-130
[43] 魏德华，习华勇，赵林明．双并联人工神经网络交替迭代算法及应用．小型微型计算机系统，1996，11，17(11)：65-68
[44] 谢庆国，万淑芸，赵金．一种Elman回归网络的设计方法．华中科技大学学报，2002，30(3)：22-24．
[45] 荣莉，柴天佑，马庆云．基于Elman型回归神经网络的空燃配比优化控制，信息与控制．2000，29(2)：173-177．
[46] 谢庆国，沈轶，万淑芸．Elman人工神经网络的收敛性分析，计算机工程与应用．2000，6：79-81．
[47] 徐丽娜．神经网络控制．哈尔滨：哈尔滨工业大学出版社，1999
[48] 韩力群．人工神经网络理论、设计及应用．北京：化学工业出版社，2002
[49] 龚菲，王永骥．基于神经网络的PID参数自整定与实时控制．华中科技大学学报(自然科学版)，2002，10，30(10)：69-71
[50] 程启明．基于BP神经网络的PID参数自整定的船舶操纵控制器研究．计算机自动测量与控制，2001，9(5)：19-21
[51] 徐彤．以太网在实时控制领域中的应用．现代电子技术，2002(11)：19-21
[52] 徐皑冬，王宏，杨志家．基于以太网的工业控制网络．信息与控制，2000(2)：182-186
[53] Andreyev, et.al.. Information Processing Using Dynamical Chaos: Neural Networks Implementation. IEEE Trans. on Neural Networks, 1996,7(2):290-298
[54] C.L.Hwang.Fourier Series neural network-based adaptive variable structure control for servo systems with friction. IEEE Proc on control theory and application, 1997,144(6): 559-565
[55] Tsuda.Dynamic Link of Memory-Chaotic Memory Map in Nonequilibrium Neural Networks. Neural Networks, 1992,5(2):313-326
[56] Y.N. Wang.A Neural Network Adaptive Control Based on Rapid Learning Method and Application[j]. Int. J. Advances in Modelling &Analysis A MES Press, 1994,43(4):23-28.
[57] 韩璞，郭鹏．一种新型神经网络智能PID控制器的仿真研究．计算机仿真．2001，7，18(4)：17-19
[58] www.baidu.com
[59] www.google.com
[2] http://mathworks.com
[3] NeuroShe112 User's Manual. Ward Systems Group Inc, 1994
[4] http://www.wardsystems.com
[5] http://www.neuroshell.com
[6] http://www.neuroproject.org
[7] 裴浩东，苏宏业，褚健．BP算法的改进及其在焊接过程控制中的应用．浙江大学学报(工学版)，2002，1，36(1)：32-35
[8] 何悦盛，叶春，杨波，忻建华．BP网络在电站故障诊断系统中的应用研究．电力自动化设备，2002，5，22(5)：7-9
[9] 李士勇．模糊控制 神经控制和智能控制．哈尔滨：哈尔滨工业大学出版社，1996
[10] 王科俊，王克成．神经网络建模、预报与控制．哈尔滨：哈尔滨工程大学出版社，1996
[11] 史忠科．神经网络控制理论．西安：西北工业大学出版社，1997
[12] 杨建刚．人工神经网络实用教程．浙江：浙江大学出版社，2001
[13] 沈清，胡德文，时春．神经网络应用技术．长沙：国防科技大学出版社，1993
[14] Widrow B,et al. Neural Networks Application in Industry, Business and Science. Communication of the ACM, 1994,37:93-105
[15] 尹朝庆，尹皓．人工智能与专家系统．北京：中国水利水电出版社，2002
[16] 徐秉铮等．神经网络理论与应用．广州：华南理工大学出版社，1994
[17] Antsaklisp. Neural Networks in Control System[J]. 1992,12(2):8-10.
[18] 张帆，邵之江，仲卫涛，钱积新．基于神经网络的在线优化软件的设计与实现．机电工程，2000，17(2)：59-62
[19] 高济．基于知识的软件智能化技术．浙江：浙江大学出版社，2000
[20] 陈作炳，艾春庭，夏雪峰．BP神经网络仿真软件．计算机仿真，2001，7，18(4)：23-25
[21] 周苏，陈敏玲．软件工程及其应用．天津：天津科学技术出版社，1992
[22] 钟珞，徐宝文．计算机软件方法学．北京：中国铁道出版社，1996
[23] 赵林明，胡浩云等．多层前向人工神经网络．郑州：黄河水利出版社，1999
[24] Pham D.T, Liu X. Training of Elman Networks and Dynamic System Modeling.
International Journal of System Science, 1996, 27(2):221-226.
[25] 焦李成．神经网络计算．西安：西安电子科技大学出版社，1993，9
[26] Sarkav D. Methods to Speed up Error BP Learning Algorithm. ACM Computing Survey,1995,27:519-592
[27] 申东日，冯少辉，陈义俊．BP网络改进方法概述．化工自动化及仪表，2000，27(1)：30-32
[28] 高雪鹏，丛爽．BP网络改进算法的性能对比研究．控制与决策，2001，3，16(2)：167-171
[29] 王耀南．计算智能信息处理技术及应用．长沙：湖南大学出版社，1999
[30] 高小榕，杨福生．采用同伦BP算法进行多层前向神经网络的训练．计算机学报，1996，11：209-213
[31] Rumelhart D E,et al. Learning Representation by BP Errors. Nature(London), 1986,7: 149-154
[32] Werbos P J. The Roots of Back propagation: From Ordered Derivatives to NN. John Wiley & Sons Inc, 1994
[33] Looney C G. Advances in Feedforward Neural Network Training. IEEE Computer, 1996,3: 45-54
[34] Mzard, M.,Nadal, J.PP. Learning in Feed-forward Layered Networks: The Tiling Algorithm[J]. J.Phys.A: Math. Gen., 1989,22(8):2192-2203.
[35] Fahlman, S.E., Lebiere, C.The Cascade-Correction Learning Architecture[A]. Advances in Neural Network Using Processing System 2(Touretzky, D.S.ED.)[C],1990,524-532.
[36] Daqi Gan.The Optimal Number of Hide Nodes in Multilayed Feedforward Neural networks.IEEE, SMC CECA,LiLLe,France,July,1996
[37] 马国华．监控组态软件及其应用．北京：北京清华大学出版社，2001
[38] 王作宏，王永骥．基于多层前向神经网络的电加热炉系统辨识．武汉科技学院学报，2001，6，14(2)：19-25
[39] 陈祥光，黄聪明，薛锦诚，傅若农．神经网络智能控制系统中辨识网络设计方法的探讨．计算机仿真，2000，7，17(4)：36-39
[40] 黎晓刚，张焰，郭迎卿．神经网络辨识及控制研究．电气传动自动化．1999，2，21(1)：45-49
[41] 刘清．基于人工神经网络的非线性系统辨识．武汉交通科技大学学报，1999，4，23(2)：154-157
[42] 何明一．双并联前向神经网络的误差分析．西北工业大学学报，1997，2，15(1)：125-130
[43] 魏德华，习华勇，赵林明．双并联人工神经网络交替迭代算法及应用．小型微型计算机系统，1996，11，17(11)：65-68
[44] 谢庆国，万淑芸，赵金．一种Elman回归网络的设计方法．华中科技大学学报，2002，30(3)：22-24．
[45] 荣莉，柴天佑，马庆云．基于Elman型回归神经网络的空燃配比优化控制，信息与控制．2000，29(2)：173-177．
[46] 谢庆国，沈轶，万淑芸．Elman人工神经网络的收敛性分析，计算机工程与应用．2000，6：79-81．
[47] 徐丽娜．神经网络控制．哈尔滨：哈尔滨工业大学出版社，1999
[48] 韩力群．人工神经网络理论、设计及应用．北京：化学工业出版社，2002
[49] 龚菲，王永骥．基于神经网络的PID参数自整定与实时控制．华中科技大学学报(自然科学版)，2002，10，30(10)：69-71
[50] 程启明．基于BP神经网络的PID参数自整定的船舶操纵控制器研究．计算机自动测量与控制，2001，9(5)：19-21
[51] 徐彤．以太网在实时控制领域中的应用．现代电子技术，2002(11)：19-21
[52] 徐皑冬，王宏，杨志家．基于以太网的工业控制网络．信息与控制，2000(2)：182-186
[53] Andreyev, et.al.. Information Processing Using Dynamical Chaos: Neural Networks Implementation. IEEE Trans. on Neural Networks, 1996,7(2):290-298
[54] C.L.Hwang.Fourier Series neural network-based adaptive variable structure control for servo systems with friction. IEEE Proc on control theory and application, 1997,144(6): 559-565
[55] Tsuda.Dynamic Link of Memory-Chaotic Memory Map in Nonequilibrium Neural Networks. Neural Networks, 1992,5(2):313-326
[56] Y.N. Wang.A Neural Network Adaptive Control Based on Rapid Learning Method and Application[j]. Int. J. Advances in Modelling &Analysis A MES Press, 1994,43(4):23-28.
[57] 韩璞，郭鹏．一种新型神经网络智能PID控制器的仿真研究．计算机仿真．2001，7，18(4)：17-19
[58] www.baidu.com
[59] www.google.com