內(nèi)模控制及其應(yīng)用

內(nèi)容概要

　　
內(nèi)?？刂剖枪I(yè)工程控制領(lǐng)域中實(shí)用性很強(qiáng)的魯棒控制方法之一，本書系統(tǒng)地介紹了內(nèi)模控制的基本概念、理論、設(shè)計(jì)方法和最新研究成果，主要內(nèi)容包括：內(nèi)?？刂频膰鴥?nèi)外發(fā)展現(xiàn)狀、時(shí)滯過程內(nèi)模PID控制器魯棒設(shè)計(jì)方法、智能自適應(yīng)內(nèi)?？刂破髟O(shè)計(jì)方法、基于神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)理論的非線性過程內(nèi)?？刂圃O(shè)計(jì)方法以及內(nèi)模控制在工業(yè)領(lǐng)域中的應(yīng)用。

書籍目錄

第1章 緒論
1.1 引言
1.2 內(nèi)模控制原理和常規(guī)設(shè)計(jì)方法
1.2.1 內(nèi)?？刂菩再|(zhì)
1.2.2 內(nèi)模控制的設(shè)計(jì)
1.3 內(nèi)?？刂频膰鴥?nèi)外發(fā)展現(xiàn)狀
1.3.1 濾波器優(yōu)化設(shè)計(jì)
1.3.2 典型被控過程的應(yīng)用
1.3.3 內(nèi)模控制結(jié)構(gòu)拓展及改進(jìn)
1.3.4 先進(jìn)控制算法在內(nèi)?？刂浦械膽?yīng)用
本章參考文獻(xiàn)
第2章 時(shí)滯過程內(nèi)模PID魯棒設(shè)計(jì)方法
2.1 內(nèi)模PID控制器設(shè)計(jì)
2.1.1 一階過程的內(nèi)模PID控制器設(shè)計(jì)
2.1.2 二階過程的內(nèi)模PID控制器設(shè)計(jì)
2.1.3 時(shí)滯過程內(nèi)模PID控制器設(shè)計(jì)
2.2 基于最大靈敏度的內(nèi)模PID整定方法
2.2.1 最大靈敏度
2.2.2 時(shí)滯過程內(nèi)模PID的魯棒整定
2.2.3 仿真結(jié)果與分析
2.3 積分時(shí)滯過程內(nèi)模PID控制器魯棒設(shè)計(jì)
2.3.1 積分時(shí)滯系統(tǒng)內(nèi)?？刂?br />2.3.2 積分時(shí)滯過程內(nèi)模PID控制器設(shè)計(jì)
2.3.3 仿真結(jié)果與分析
2.4 不穩(wěn)定時(shí)滯過程內(nèi)模PID控制器魯棒設(shè)計(jì)
2.4.1 不穩(wěn)定時(shí)滯過程內(nèi)模PID控制器設(shè)計(jì)
2.4.2 控制系統(tǒng)結(jié)構(gòu)的簡化
2.4.3 仿真結(jié)果及分析
本章參考文獻(xiàn)
第3章 智能自適應(yīng)內(nèi)?？刂破髟O(shè)計(jì)方法
3.1 一種具有設(shè)定值加權(quán)的IMC-PID控制方法
3.1.1 基于Padé近似的IMC-PID控制器設(shè)計(jì)
3.1.2 模糊設(shè)定值加權(quán)IMC-PID控制方法
3.1.3 仿真分析
3.2 交流伺服系統(tǒng)模糊內(nèi)模PID控制器設(shè)計(jì)
3.3 神經(jīng)網(wǎng)絡(luò)自適應(yīng)內(nèi)模PID控制方法
3.3.1 神經(jīng)網(wǎng)絡(luò)IMC-PID控制器
3.3.2 仿真結(jié)果及分析
3.4 三容液位過程的單神經(jīng)元內(nèi)模PID控制方法
本章參考文獻(xiàn)
第4章 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?br />4.1 神經(jīng)網(wǎng)絡(luò)概述
4.1.1 人工神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
4.1.2 神經(jīng)網(wǎng)絡(luò)辨識(shí)結(jié)構(gòu)
4.2 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂葡到y(tǒng)的構(gòu)造
4.2.1 可逆性分析
4.2.2 非線性系統(tǒng)逆模型
4.2.3 神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)
4.2.4 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu)
4.3 多模型神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?br />4.3.1 多模型神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂撇呗?br />4.3.2 基于模糊分類的多模型神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?br />4.3.3 被控模型和控制器的建立
4.3.4 仿真分析
4.4 基于近似內(nèi)模的神經(jīng)網(wǎng)絡(luò)控制
4.4.1 非線性離散系統(tǒng)神經(jīng)網(wǎng)絡(luò)近似輸入-輸出模型
4.4.2 基于近似內(nèi)模的神經(jīng)網(wǎng)絡(luò)控制
4.5 基于自構(gòu)建神經(jīng)網(wǎng)絡(luò)的內(nèi)?？刂品椒?br />4.5.1 自構(gòu)建（self-constructing）神經(jīng)網(wǎng)絡(luò)
4.5.2 自構(gòu)建神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu)
4.5.3 設(shè)計(jì)步驟
4.5.4 仿真與分析
本章參考文獻(xiàn)
第5章 基于T-S模型的模糊內(nèi)?？刂?br />5.1 模糊系統(tǒng)模型的基本概念
5.2 非線性系統(tǒng)T-S模型結(jié)構(gòu)及辨識(shí)方法
5.2.1 動(dòng)態(tài)系統(tǒng)的T-S模型
5.2.2 T-S模型的辨識(shí)過程
5.2.3 仿真分析
5.3 基于自適應(yīng)遺傳算法的T-S模型辨識(shí)方法
5.3.1 遺傳算法基本原理
5.3.2 基于遺傳算法辨識(shí)T-S模型
5.3.3 仿真分析
5.4 基于改進(jìn)的微粒群優(yōu)化算法的T-S模型辨識(shí)方法
5.4.1 微粒群優(yōu)化算法
5.4.2 基于微粒群優(yōu)化算法辨識(shí)T-S模型
5.4.3 仿真分析
5.5 基于T-S模型的非線性內(nèi)?？刂品椒?br />5.5.1 非線性系統(tǒng)的可逆性和逆穩(wěn)定性
5.5.2 模糊內(nèi)部模型的建立
5.5.3 模糊內(nèi)?？刂破鞯脑O(shè)計(jì)
5.5.4 仿真與分析
本章參考文獻(xiàn)
第6章 內(nèi)?？刂频膽?yīng)用
6.1 內(nèi)?？刂圃诠怆姼櫹到y(tǒng)中的應(yīng)用
6.1.1 光電跟蹤伺服系統(tǒng)系統(tǒng)的組成及工作原理
6.1.2 光電跟蹤伺服系統(tǒng)建模
6.1.3 光電跟蹤伺服系統(tǒng)內(nèi)?？刂破鞯脑O(shè)計(jì)與實(shí)現(xiàn)
6.1.4 實(shí)驗(yàn)結(jié)果及分析
6.2 內(nèi)?？刂圃诨鹋陔娨核欧到y(tǒng)中的應(yīng)用
6.2.1 液壓伺服系統(tǒng)組成原理及模型
6.2.2 內(nèi)模控制器設(shè)計(jì)
6.2.3 仿真與實(shí)驗(yàn)分析
6.3 單神經(jīng)元自適應(yīng)內(nèi)?？刂圃诮涣髡{(diào)速系統(tǒng)中的應(yīng)用
6.3.1 基于轉(zhuǎn)子磁場(chǎng)定向的交流調(diào)速系統(tǒng)模型
6.3.2 全數(shù)字化交流調(diào)速系統(tǒng)平臺(tái)
6.3.3 基于單神經(jīng)元的內(nèi)?？刂破髟O(shè)計(jì)
6.3.4 系統(tǒng)軟件的設(shè)計(jì)與實(shí)現(xiàn)
6.3.5 實(shí)驗(yàn)結(jié)果及分析
本章參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   4.5 基于自構(gòu)建神經(jīng)網(wǎng)絡(luò)的內(nèi)模控制方法 神經(jīng)網(wǎng)絡(luò)技術(shù)在一定程度上克服了非線性系統(tǒng)難以建模的困難從而得到迅速發(fā)展，多種神經(jīng)網(wǎng)絡(luò)內(nèi)模控制結(jié)構(gòu)也取得了非常好的理論和實(shí)際價(jià)值，如BP網(wǎng)絡(luò)內(nèi)?？刂芠19，20]、RBF網(wǎng)絡(luò)內(nèi)?？刂芠21，22]、動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)內(nèi)模控制[23～26]、小波網(wǎng)絡(luò)內(nèi)模控制[27～30]、模糊神經(jīng)網(wǎng)絡(luò)內(nèi)模控制[31～36]及并行自學(xué)習(xí)網(wǎng)絡(luò)內(nèi)?？刂芠37，38]等。然而，在實(shí)際應(yīng)用中神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定一般采用試湊法，僅憑感覺或經(jīng)驗(yàn)構(gòu)造網(wǎng)絡(luò)，往往不易找到合適的網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)太大容易造成歸納性差（過擬合），網(wǎng)絡(luò)太小易造成學(xué)習(xí)能力低（欠擬合）。神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元的數(shù)目決定了整個(gè)網(wǎng)絡(luò)的規(guī)模和性能，所以設(shè)計(jì)一個(gè)結(jié)構(gòu)合理的神經(jīng)網(wǎng)絡(luò)是非常必要的。 針對(duì)這一問題，這里利用自構(gòu)建神經(jīng)網(wǎng)絡(luò)建立和自適應(yīng)調(diào)節(jié)內(nèi)模控制系統(tǒng)的過程模型和內(nèi)?？刂破鳎沟帽孀R(shí)網(wǎng)絡(luò)和控制器網(wǎng)絡(luò)的結(jié)構(gòu)可以根據(jù)需要在線調(diào)整，有效地避免出現(xiàn)欠擬合與過擬合的情況。 4.5.1 自構(gòu)建神經(jīng)網(wǎng)絡(luò) 針對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以確定這一問題，許多學(xué)者提出了解決方法。文獻(xiàn)[39]中提出了Tiling算法，不過無法推廣到實(shí)數(shù)映射；文獻(xiàn)[40]提出的Upting算法要求事先知道樣本的大??；文獻(xiàn)[41]提出了有名的CC算法，但是會(huì)導(dǎo)致過度擬合；文獻(xiàn)[42]提出的改進(jìn)的CC算法只適合于單輸出。此外，還有基于進(jìn)化算法的方法，如文獻(xiàn)[13]提出的藍(lán)圖法，但編碼抽象、解釋困難。 所謂自構(gòu)建（Self—Constructing）神經(jīng)網(wǎng)絡(luò)是指在網(wǎng)絡(luò)學(xué)習(xí)過程中，為了使網(wǎng)絡(luò)性能始終保持最優(yōu)，網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)為動(dòng)態(tài)變化的神經(jīng)網(wǎng)絡(luò)。自構(gòu)建神經(jīng)網(wǎng)絡(luò)可以根據(jù)問題的復(fù)雜程度，產(chǎn)生相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)。文獻(xiàn)[43]提出了自構(gòu)建模糊小腦模型，其學(xué)習(xí)規(guī)則包括結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。網(wǎng)絡(luò)輸入空間的分割采用自叢集方法來決定輸入樣本的合適分布，用梯度下降法進(jìn)行參數(shù)和模糊權(quán)值的調(diào)整以減小輸出誤差。文獻(xiàn)[44]提出了一種用于非線性控制系統(tǒng)的自構(gòu)建小波神經(jīng)網(wǎng)絡(luò)模型，在學(xué)習(xí)過程中，用度測(cè)量法動(dòng)態(tài)決定小波基的個(gè)數(shù)，通過參數(shù)學(xué)習(xí)來調(diào)整小波基的形狀和連接權(quán)；文獻(xiàn)[45]提出一種用于分類的功能性模糊神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)采用熵度量法來決定模糊規(guī)則的數(shù)目，參數(shù)學(xué)習(xí)采用梯度下降法來調(diào)整隸屬函數(shù)形狀和相應(yīng)權(quán)值；文獻(xiàn)[46]將一種可自適應(yīng)增長和修剪的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)用于控制線性壓電陶瓷馬達(dá)，該控制系統(tǒng)包括神經(jīng)網(wǎng)絡(luò)控制器和魯棒控制器。文中根據(jù)神經(jīng)元的激勵(lì)強(qiáng)度來決定是否增加或刪減神經(jīng)元；文獻(xiàn)[47]設(shè)計(jì)了一種自構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，該控制系統(tǒng)包括自構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)控制器和監(jiān)督控制器，為了優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)文中提出一種結(jié)構(gòu)自動(dòng)學(xué)習(xí)機(jī)制，在確?？刂菩阅艿那疤嵯聞?dòng)態(tài)改變網(wǎng)絡(luò)結(jié)構(gòu)；文獻(xiàn)[48]提出一中用于放射非線性單輸入單輸出系統(tǒng)的自構(gòu)建模糊控制器，在初始階段網(wǎng)絡(luò)有較少的模糊規(guī)則，隨著控制需要逐漸增加模糊規(guī)則和隸屬函數(shù)，為了避免模糊規(guī)則無限制的增長，結(jié)構(gòu)學(xué)習(xí)過程中用新的隸屬函數(shù)來取代舊的隸屬函數(shù)而不是增加更多的隸屬函數(shù)。將自構(gòu)建神經(jīng)網(wǎng)絡(luò)用于內(nèi)模控制，使得辨識(shí)網(wǎng)絡(luò)和控制器網(wǎng)絡(luò)的結(jié)構(gòu)可以根據(jù)需要在線變化，既不會(huì)欠擬合也不會(huì)過擬合可以提高系統(tǒng)的控制性能。

編輯推薦

《內(nèi)模控制及其應(yīng)用》可供從事自動(dòng)化和自動(dòng)控制工作的科研人員、工程技術(shù)人員以及高等院校有關(guān)專業(yè)的教師、高年級(jí)學(xué)生和研究生參考。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    內(nèi)?？刂萍捌鋺?yīng)用 PDF格式下載

---