神经网络
第26卷第6期
2006年6月
文章编号:1001-9081(2006)06-1398-03
计算机应用
ComputerApplications
Vo.l26No.6June2006
基于递归神经网络模型预测控制的模型平稳切换
杜福银,徐 扬,陈树伟
(西南交通大学智能控制开发中心,四川成都610031)
(dufynew@sohu.com)
摘 要:不同生产条件下的控制系统可视多模型控制系统,但多模型控制在模型切换时会引起系统的瞬态响应。采用递归神经网络建立系统的多个模型,基于模型预测控制进行控制模型切换,克服了模型切换时引起的系统瞬态响应,实现系统的平稳切换。并通过仿真表明这种切换策略明显改善了模型切换过程的动态性能。
关键词:比例积分微分控制器;递归神经网络;模型预测控制;模型切换;平稳中图分类号:TP18 文献标识码:A
Smoothmodelswitchingschemebasedonrecurrentneuralnetwork
modelpredictivecontrol
DUFu yin,XUYang,CHENShu wei
(IntelligenceControlDevelopmentCenter,SouthwestJiaotongUniversity,ChengduSichuan610031,China)
Abstract:Thecontrolsystemofdifferproductconditionscouldberegardedasamulti modelcontrolsystem.Butmodel
switchingwillresultintransientresponseoftheplantcontrolled.Amethodtoestablishmultiplesmodelsofsystemusingrecurrentneuralnetworkandcompleteswitchprocessbasedonmodelpredictivecontrolwasproposed.Whichavoidtransientresponseofswitchprocessandachievemodelswitchingsmoothly.Simulationperformancesindicatethatthemodelswitchingschemeimprovedynamicqualityofswitchprocessgreatly.
Keywords:Proportional Integral Differentialcontroller(PID);modelswitching;smooth
图1所示,改进的Elman网络与基本Elman网络的不同之处
在于,改进的Elman网络的结构单元中引入了固定的增益 (0! !
1)的自反馈连接, 越接近于1,考虑的时刻越远,
=0时,改进的Elman网络就退化为基本的Elman网络,因而改进的Elman网络可以很容易模拟高阶系统。
recurrentneuralnetwork;modelpredictivecontro;l
0 引言
参数时变或结构未知系统的控制器的设计,长时间以来一直是从事控制的工作者所关心的事情,显然,一个固定不变
的控制器是无法适应这种环境的。Narendra等提出的多模型自适应控制是解决这类问题的一个新的途径,如何实现模型的平稳切换是多模型自适应控制的一个关键的问题[1~3]。
基于模型的预测控制(MPC)是20世纪70年代后期发展起来的一类新型计算机控制方法,由于其所具有的预测模型、滚动优化和反馈校正三个特征,已在工业实时控制中得到广泛关注[4~7]。
本文提出基于系统递归神经网络模型的平稳切换策略,即当系统需要切换时,先基于即将切入的控制器和相应模型以及实际被控对象的输入输出优化出一个能使系统输出满足控制要求的控制量,将此控制量和即将切入的控制器切入实际系统,来实现模型的平稳切换。
图1 改进的Elman神经网络结构示意图
网络的外部输入为u(k),y(k),输出为y(k+1),若记隐层的输出为x(k+1),结构单元层的输出为xc(k),则有如下的非线性状态空间表达式成立:
x(k+1)=f(w1xc(k)+w2u(k))
xc(k)=x(k)+ xc(k-1)y(k+1)=g(w3x(k+1))
其中w1,w2,w3分别是结构单元到隐层、输入层到隐层、以及隐层到输出层的连接权矩阵,f( )和g( )分别为隐层单元和输出单元激活函数所组成的非线性向量函数。1.2 系统网络模型的学习算法
(1)
1 系统递归神经网络模型建立
1.1 网络模型结构及输出计算
改进的Elman网络是一种典型的动态递归神经网络,其反馈连接由一组 结构单元 组成,用于记忆隐层过去的状态,并且在下一时刻连同网络输入一起作为隐层单元的输入,这一性质使得递归神经网络具有动态记忆功能。网络结构如
收稿日期:2005-12-26;修订日期:2006-02-22 基金项目:国家自然科学基金资助项目(60474022)
作者简介:杜福银(1969-),男,陕西宝鸡人,博士研究生,主要研究方向:智能控制; 徐扬(1956-),男,河南新乡人,教授,博士,主要研

: (),:.
基于递归神经网络的预测模糊控制杜福银, 徐扬(西南交通大学智能控制开发中心,四川...由于其所具有的 预测模型、滚动优化和反馈校正特征,已在工业实时控制中得到广泛...
基于递归神经网络的网络流量组合预测模型_专业资料。为了提高网络流量的预测精度,提出了一种基于Elman递归神经网络、小波和自回归的网络流量组合预测模型。对流量时间...
基于递归神经网络的预测模糊控制_专业资料。为提高控制信息与实时状态的适应性,改善模糊控制品质,用传统模糊控制策略,根据当前时刻误差和预测误差变化值,预测下一时刻...
基于神经网络模型预测控制的钢铁酸洗过程_信息与通信_工程科技_专业资料。全是...神经 网络模型有多层感知器模型,径向基函数模型(RBF)和递归神经网络模型,该 ...
飞行机器人递归小脑神经网络模型分解控制_专业资料。为解决一类不确定非线性系统的控制问题及系统混合干扰上界在实际应用中难以测量的问题,提出递归小脑神经网络模型...
基于模糊递归神经网络的污泥容积指数预测模型_数学_自然科学_专业资料。第64卷 第1 2期 化 工 学 报 Vo1.64 No.12 December 2013 201 3年1 2月 CIESC ...
基于递归神经网络的大滞后非线性系统预测控制基于递归神经网络的大滞后非线性系统...h预对象的数学模型非常准确,严重限制 r其实际应 这用范围,为控制界理论上非常...
基于分布估计算法的对角递归神经网络短期负荷预测模型研究_专业资料。针对传统的BP算法易陷入局部极小点,收敛速度慢,编程复杂等缺点,本文提出基于分布估计算法的对角...
基于递归神经网络的大滞后... 4页 免费喜欢此文档的还喜欢 神经网络预测控制 26页 免费 一种基于模糊神经网络的非... 6页 免费 非线性系统Wiener模型辨识 9...
基于递归神经网络的多变量系统预测控制 暂无评价0人阅读0次下载举报文档...
热门文档