智能预测控制策略研究及应用

论文摘要

预测控制是一种基于模型的先进控制技术,它产生于20世纪70年代中后期,它能够克服受控对象建模误差以及外界干扰等不确定因素的影响,有效地弥补了现代控制理论对复杂受控对象的一些不足之处。因此一经产生,预测控制便成为了控制理论界和工业控制界的一个热门话题,并且在工业过程控制中得到了广泛的应用。近年来,非线性系统的控制得到了越来越多的关注,这主要是因为大多数的实际系统本质上都是非线性系统,而现代科学技术都要求控制系统具有更为严格的控制指标,能够更为准确地处理被控系统的非线性特性。虽然预测控制在工业过程控制中有着成功的应用,但其大多仍是基于线性模型。而现实生产过程中遇到的大多数控制系统都是非线性控制系统,对于这样的一些非线性控制系统,由于控制系统本身的复杂性和不可预知性,从而使得寻找一种具有一般性的、统一的非线性预测控制方法比较困难。进入20世纪90年代以来,智能控制的研究成果大量涌现,一些智能算法被人们提出,并应用于实际过程中,为一些复杂系统的控制提供了新的方法和思路。本文围绕着预测控制的基本组成部分：预测模型、反馈校正、滚动优化,对非线性系统的预测控制方法进行了深入的研究和探讨,并将其应用于中和反应PH值的控制中,给出了相应的研究成果。本文主要研究了以下几个方面的内容：研究了BP神经网络预测模型,并且针对其收敛速度慢,容易陷入局部最小点等缺点,本文设计了一种基于粒子群和BP混合算法的神经网络,验证其更适合于非线性预测控制的模型预测。针对神经网络递推多步预测产生的累积误差问题,本文设计了一种基于神经网络误差补偿的校正方式,提高了反馈校正质量。针对非线性优化策略问题,本文利用粒子群算法与模拟退火算法相结合的方法,既能解决非线性优化问题,又能克服标准粒子群算法的缺点,取得了良好的控制效果。将混和智能预测控制算法应用于PH值控制,为其提供了一种新的、更为有效的控制方法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究背景及意义
• 1.2 预测控制简介
• 1.2.1 预测控制的基本原理
• 1.2.2 预测控制的发展
• 1.2.3 预测控制存在的问题
• 1.3 智能控制简介
• 1.3.1 智能控制理论的基本算法思想
• 1.3.2 智能控制的应用
• 1.4 智能预测控制的国内外研究现状及分析
• 1.4.1 智能预测控制的研究现状
• 1.4.2 目前智能预测控制存在的主要问题
• 1.5 本文的主要工作
• 2 神经网络预测模型的研究
• 2.1 神经网络基础
• 2.2 基于BP神经网络的预测模型
• 2.2.1 BP学习算法的原理
• 2.2.2 基于BP神经网络的预测模型
• 2.3 基于PSO-BP算法的神经网络预测模型
• 2.3.1 BP神经网络预测模型存在的问题
• 2.3.2 常用的BP算法改进方法
• 2.3.3 粒子群优化算法
• 2.3.4 PSO-BP神经网络预测模型及仿真
• 2.4 小结
• 3 基于神经网络的反馈校正方法
• 3.1 常用反馈校正方法
• 3.2 基于神经网络的反馈校正方法
• 3.2.1 常用反馈校正方法存在的问题
• 3.2.2 改进的反馈校正方法
• 3.2.3 基于神经网络的误差反馈校正方法
• 3.2.4 仿真测试
• 3.3 小结
• 4 基于SAPSO的滚动优化策略研究
• 4.1 非线性预测控制方法
• 4.2 SAPSO混合优化算法研究
• 4.2.1 模拟退火算法简介
• 4.2.2 SAPSO混合算法
• 4.2.3 SAPSO混合算法仿真分析
• 4.3 SAPSO预测控制算法研究
• 4.3.1 SAPSO滚动优化策略
• 4.3.2 仿真分析
• 4.4 小结
• 5 酸碱中和反应中PH值的智能预测控制
• 5.1 酸碱中和反应过程
• 5.1.1 PH的定义
• 5.1.2 酸碱中和反应
• 5.2 常用PH值控制方法
• 5.3 基于智能预测控制算法的PH值控制
• 5.3.1 酸碱中和反应PH值预测控制思想描述
• 5.3.2 PH值的智能预测控制策略研究
• 5.4 仿真测试
• 5.5 小结
• 结论
• 致谢
• 参考文献
• 附录A 神经网络预测模型样本
• 附录B 神经网络校正样本
• 附录C PH值智能预测控制样本
• 攻读学位期间的研究成果