基于多信号源的神经模糊Hammerstein-Wiener模型及其应用研究
面对复杂工业过程控制的需求， 设计一种结合数据信息的特殊模型结构， 在保证控制系统有效性的前提下通过模型的结构来简化控制器的求解是亟待解决的问题。为此， 本文提出一种基于多信号源的神经模糊Hammerstein-Wiener模型，突破传统的迭代分离方法， 通过组合式多信号实现Hammerstein-Wiener模型中神经模糊非线性环节和线性环节的分离， 同时设计了神经模糊模型参数的非迭代优化算法， 将研究结果拓广到分段非线性系统，改善了模型的适用范围。该算法不仅保证了模型的预测精度，还保证了模型参数的收敛性和自适应能力，具有逼近较强非线性过程的能力。在此基础上设计了基于神经模糊Hammerstein-Wiener模型的控制系统， 利用模型的特殊结构将非线性系统的控制问题简化为线性系统的控制问题，采用简单的PID控制器便能达到较好的控制效果。仿真结果验证了上述方法的有效性。
Hammerstein-Wiener模型 神经模糊系统 非线性系统 信号分离
贾立 杨爱华 邱铭森
上海大学机电工程与自动化学院自动化系, 上海市电站自动化技术重点实验室, 上海 200072 新加坡国立大学工程学院, 新加坡 119260
国内会议
厦门
中文
1-8
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）