欢迎访问中国科学院大学学报,今天是

中国科学院大学学报 ›› 2008, Vol. 25 ›› Issue (2): 224-232.DOI: 10.7523/j.issn.2095-6134.2008.2.013

• 论文 • 上一篇    下一篇

Hammerstein模型基于神经网络的预测控制方法

向微盛捷陈宗海   

  1. 中国科学技术大学自动化系,合肥230027
  • 收稿日期:1900-01-01 修回日期:1900-01-01 发布日期:2008-03-15

ModelpredictivecontrolbasedonneuralnetworksforHammersteintypenonlinearsystems

XIANGWeiSHENGJieCHENZongHai   

  1. DepartmentofAutomation,UniversityofScienceandTechnologyofChina,Hefei230027,China
  • Received:1900-01-01 Revised:1900-01-01 Published:2008-03-15

摘要: Hammerstein模型是化工过程中最常用的模型之一,它由非线性静态环节和线性动态环节串连 组成,适合描述pH过程和具有幂函数、死区、开关等非线性特性的过程.这类模型的控制问题可以分解 为:线性模型的控制问题和非线性模型的求根问题.针对Hammerstein模型提出了一种基于神经网络的 模型预测控制策略,采用一组神经网络拟合非线性部分的逆映射.这种方法不需要假设Hammerstein模 型的非线性部分由多项式构成,并且避免已有研究在无根和重根情况下存在的问题.最后通过仿真试验证明了以上结论.

关键词: 模型预测控制, Hammerstein模型, 神经网络

Abstract: TheHammersteinmodeliscomposedofanonlinearstaticelementandalineardynamicelementserially,anditprovestobeeffectiveindescribingthebehaviorofmanychemicalprocesses.Byappropriateidentification,theintricatenonlinearcontrolproblemofthismodelcanbefacilitatedintotwoproblems:thecontrolofthelinearpartandthesolutionofthenonlinearpart.Inthispaper,amodelpredictivecontrolschemeisproposed,whichusesasetofneuralnetworkstoapproximatetheinverse mappingofthenonlinearblock.Thisneuralnetworksmethodneedntassumethatthenonlinearblockis apolynomialequation,thusitovercomesthedifficultythatnorealrootsexistforthepolynomialequation.Twosimulationexamples,includingapHneutralizationprocess,areusedtodemonstratetheeffectiveness ofthemethod.

Key words: modelpredictivecontrol, Hammersteinmodel, neuralnetworks

中图分类号: