esn在化工过程辨识与控制中的应用研究

esn在化工过程辨识与控制中的应用研究

ID:33322303

大小:1.08 MB

页数:61页

时间:2019-02-24

esn在化工过程辨识与控制中的应用研究_第1页
esn在化工过程辨识与控制中的应用研究_第2页
esn在化工过程辨识与控制中的应用研究_第3页
esn在化工过程辨识与控制中的应用研究_第4页
esn在化工过程辨识与控制中的应用研究_第5页
资源描述:

《esn在化工过程辨识与控制中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中图分类号:TP183密级:公开UDC:本校编号:硕士学位论文论文题目:ESN在化工过程辨识与控制中的应用研究研究生姓名:李晓华学号:0211459学校指导教师姓名:李军职称:教授申请学位等级:工学硕士学位专业:检测技术与自动化装置论文提交日期:2014.6.12论文答辩日期:2014.6.7万方数据硕士学位论文ESN在化工过程辨识与控制中的应用研究ResearchonApplicationofESNforIdentificationandControlofChemicalProcess作者姓名:李晓华学科、专

2、业:检测技术与自动化装置学号:0211459指导教师:李军教授完成日期:2014年4月22日兰州交通大学LanzhouJiaotongUniversity万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含获得兰州交通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名:签字日期:年月日学位论文版

3、权使用授权书本学位论文作者完全了解兰州交通大学有关保留、使用学位论文的规定。特授权兰州交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名:导师签名:签字日期:年月日签字日期:年月日万方数据兰州交通大学硕士学位论文摘要化工过程的辨识与控制是过程控制领域的研究难点与热点,由于化工过程通常都存在高度的非线性和时变性特性,很难对其建立精确的机理

4、模型。神经网络(NeuralNetworks,NN)因其优良的特性作为一种非线性系统辨识与控制的方法,已经得到广泛的应用,尤其具有动态特性的递归神经网络(RecurrentNeuralNetworks,RNN)更是占有明显的优势。但RNN需要训练网络中所有权值,导致训练算法复杂,难以应用于实际工程。回声状态网络(EchoStateNetworks,ESN)作为一种新型RNN,其特有的状态储备池(StateReservoir,SR)使其具有很强的动态逼近能力和良好的短期记忆能力,且只需训练网络的输出权值。因此,在

5、研究ESN及其训练算法的基础上,引入一种泄漏积分(LeakyIntegrator,LI)ESN。针对强非线性化工过程,引入基于LIESN的岭回归算法,将其应用到化工过程的辨识与控制中,并与传统方法进行比较,结果表明了该方法的有效性。本文研究内容包括如下几个方面:(1)重点研究了经典ESN的基本结构及学习算法,深入分析了ESN离线及递推最小二乘(RecursiveLeastSquare,RLS)在线学习算法,并且在此基础上,引入了结构改进的LIESN,并给出了基于该网络的岭回归算法。(2)研究了LIESN网络在化

6、工过程辨识中的应用。针对汽-水热交换器过程、连续搅拌反应釜(ContinuousStirringReactor,CSTR)过程、酸碱中和过程及乙烯-乙烷精馏塔过程,分别进行了辨识实验。结果表明,在同一条件下,LIESN与ESN网络、反向传播(BackPropagation,BP)神经网络、模糊神经网络(FuzzyNeuralNetworks,FNN)等方法相比,LIESN网络能得到很高的辨识精度,学习速度快速而稳定。(3)研究了LIESN网络在化工过程控制中的应用。主要给出了基于LIESN的直接逆控制和模型参考

7、控制(ModelReferenceControl,MRC)策略。将LIESN的直接逆控制应用于CSTR过程控制。首先采用LIESN辨识系统模型,然后通过控制器设计控制律,来达到控制的效果。其次,将LIESN的MRC应用于汽-水热交换器过程控制中。设计LIESN控制器,使得闭环系统的输出能够跟踪参考模型的输出。实验结果表明,在相同条件下,与ESN和径向基函数(RadialBasisFunction,RBF)神经网络等方法相比较,LIESN网络能够有效的反应控制对象的动态特性,控制精度高,轨迹跟踪效果好。关键词:回

8、声状态网络;化工过程;辨识;控制;算法论文类型:应用基础研究-I-万方数据ESN在化工过程辨识与控制中的应用研究AbstractIdentificationandcontrolofchemicalprocessesisresearchdifficultyandhotspotinthefieldofprocesscontrol.Chemicalprocessesusuallyhavehi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。