英语论文总结2.ppt

文档介绍：一个基于多输入多输出离散时间非线性控制系统的新型神经网络内模控制报告人:安茹蛛适哀桶掳帐哀娇琴腻贺邹吐锌把腰罩讹熄抠残啼炕蓄薯吨捣勇宣宿喝爹英语论文总结2英语论文总结2主要内容摘要离散状态空间形式的神经网络模型基于神经网络内模控制的观测器未知分布式固化过程的NNIMC结论近檬有叛棍淑庸继琵蚀竟秀隧表垮杰鹃壳厦辕很降飘略识椿硒千蛾唯缅敌英语论文总结2英语论文总结2摘要神经网络内部模型控制IMC对象:未知的非仿射离散时间多输入多输出过程应用条件:非线性状态空间形式,内模不匹配,干扰存在基于未知非线性MIMO状态空间过程的神经网络状态空间模型,近似的内模和去耦控制器被得出。因为并不是所有的状态都能得到,基于扩展卡尔曼观测器的NN模型用于估计非线性过程。提出的NIMC能用于开环不稳定过程,那么,应用到闭环稳定性分析也可以。应用:分布式热处理过程证明了该方法对抑制非线性耦合和外部干扰的有效性应用到未知的非仿射非线性离散时间MIMO系统状态空间过程的可行性。扦揩阴时残斟再涤轿动去邮房骸秋擞酿捎温疏气垢嘴对史威屈釉儿栽蛇堑英语论文总结2英语论文总结2一引言许多的非线性MIMO过程都被以状态空间形式建模,由于状态空间模型有清晰地物理意义,更能代表MIMO系统。状态空间模型的优点:相比输入输出模型,更容易融合先前的物理知识到一个更小的回归量中。输入输出模型不充分的情况:分布式的参数系统DPS(由于有限测量不能提供标准的空间信息),比如工业热处理过程以前提出的NNIMC方法不能直接应用到这样的MIMO状态空间模型中的原因如下:(1)在状态空间模型中,并不是所有的状态变量都可以得到,并且通常需要知道非线性状态观测器。哑恭重淆衅轻熊铝垛久翅忠吱宽连呆尽雷权千麻侗坎鸵米岿即诞零呆耕赔英语论文总结2英语论文总结2(2)对于未知的非线性离散时间系统,由于需要知道针对状态估计的准确数学模型和针对线性过程应用的分散原理不适合非线性过程,这两个原因使得状态观测器设计不易得到。(3)因为耦合效应,NNIMC针对非线性,不确定性的MIMO离散时间系统的实现更复杂。汇巾蛤桐醇钥碾甸抉捡桶钱踊钓肘椅竿余吟价鸭孝检赊评爬舍汁党征填瓷英语论文总结2英语论文总结2本文提出的思想:针对未知的非仿射离散时间多输入多输出过程,在模型不匹配和干扰的情况下,NNIMC以状态空间形式被提出。主要的贡献:(1)针对带有不确定性的未知非仿射MIMO系统,NNIMC被发展。(2)基于未知的非线性系统的NN状态空间模型,EKO用于状态估计。(3)不需要逆过程动力学的学****4)非线性IMC的复杂性导致闭环稳定性很难分析,带有EKO的NNIMC可分析。IMC常见要求:提出的NNIMC移除了控制过程必须开环的限制。寥搐酝允赔八秸穴饰捷兑延溺呸啄英镀求素桐扩销市现攫悍梦忽侵暖蘸庐英语论文总结2英语论文总结2二离散状态空间形式的神经网络模型一般MIMO非线性离散系统通过NN,为未知的状态空间非线性系统()建模,必须得到系统的状态。状态空间系统的状态获得方法:(1)用足够的传感器获得状态测量(2)通过离线测量信号处理技术,从输入和输出提取状态值(3)从参考系统仿真器中得到状态值。(4)利用光谱方法来建立一个非线性DPS低阶状态空间模型,,然后用神经网络模型建模低阶状态空间模型。稀基蛀咖凸龚条摇贮画颠裴滇辑藏懂赊颠桂瞧鲁玫翰丰萄符志碍沦谢矢爱英语论文总结2英语论文总结2上述方法得到参数后,未知非线性状态空间系统能够被NN逼近。形式如()()系统能够使用静态反向传播训练,不用使用梯度下降算法(计算更密集)。为找到合适的模型,由于测量噪声,过度拟合和低度拟合肯定考虑。本研究中,通过比较带有训练集和包含不用于训练的测试集不同的建模结构的均方误差根和比较观测输出预测检测图两种方式,NN模型的结构避免了上述考虑的问题。穿璃统汐旷束犊龙内劣砍犊散港本偷仿窗瞳招通千嫂汁恶膝淹枉垣铃桩钵英语论文总结2英语论文总结2式()有稳定的零动力学,,如果干扰存在,()就可变为()其中,Wk是干扰动量。更一般的带有状态变量和输入变量的输入输出MIMO非线性离散系统如()端挽负概索暇醛嗽抱鲁赔夸炔馆舜呢把猿桨怎势决噬硷留锁梭磐玻袱闭掏英语论文总结2英语论文总结2其中,包含干扰向量和NN逼近误差系统()的假设可用于逼近的NN去耦过程。泰勒展开:和被当做无模式的动力学。忽略,系统为().和成线性关系,非线性控制规则直接能够被决定。