基于布谷鳥搜索的回聲狀態(tài)網(wǎng)絡在流程工業(yè)中的應用.pdf

1、隨著流程工業(yè)生產(chǎn)的品質要求不斷提高，對其控制技術的要求也越來越嚴格。流程工業(yè)過程具有高度非線性、變量之間耦合嚴重、動態(tài)變化復雜等特點。盡管對其研究經(jīng)歷了很長的發(fā)展過程，取得了許多頗具成效的研究結果，但時至今日也未能建立一個類似于線性控制領域里成熟的理論體系。因此，對非線性動態(tài)特性復雜的流程工業(yè)過程進行辨識和控制的研究依然具有重要的意義。本文結合回聲狀態(tài)網(wǎng)絡能夠映射復雜非線性時間序列的特點，將其應用于流程工業(yè)的系統(tǒng)建模和控制當中。

2、　　論文針對回聲狀態(tài)網(wǎng)絡(Echo State Network，ESN)的參數(shù)學習過程中，由完全隨機生成的儲備池使網(wǎng)絡的泛化能力較差的問題，提出了一種儲備池生成改進方案。通過模擬生物神經(jīng)元鄰接節(jié)點間的信息交互較其他節(jié)點更為明顯的特點，在儲備池中引入鄰接強度矩陣，表示儲備池中神經(jīng)元節(jié)點間的相互作用的潛在能力，以此對儲備池的拓撲結構進行優(yōu)化。優(yōu)化后的儲備池具有相對穩(wěn)定的結構，避免了儲備池連接權矩陣稀疏度難以確定的問題。相對穩(wěn)定的結構使得儲備

3、池更加適用于基于群體智能搜索算法的參數(shù)尋優(yōu)過程。論文根據(jù)布谷鳥搜索(Cuckoo Search，CS)算法參數(shù)少，收斂速度快，全局搜索能力強，且實現(xiàn)過程簡單等特點，將其應用于儲備池參數(shù)尋優(yōu)過程中，提出了一種基于布谷鳥搜索的回聲狀態(tài)網(wǎng)絡(CS-based ESN，CSESN)算法。論文通過時間序列建模領域里常用的基準函數(shù)，即Lorenz混沌系統(tǒng)，在不同儲備池規(guī)模下對Lorenz混沌系統(tǒng)中的x分量進行建模研究，并比較了CSESN與傳統(tǒng)ESN

4、在建模方面的性能差異，實驗結果表明了CSESN在精度方面具有明顯的改善。論文以連續(xù)攪拌釜反應器為例，研究將其應用于流程工業(yè)系統(tǒng)的建模當中。
　　論文在CSESN能夠明顯改善系統(tǒng)建模精度的基礎上，提出了一種基于CSESN的神經(jīng)網(wǎng)絡直接逆模型控制方法。為解決直接逆模型開環(huán)控制穩(wěn)定性及魯棒性均不佳的問題，引入反饋通道對控制器中逆模型進行在線修正，通過遞推最小二乘算法(Recursive Least Square，RLS)對CSESN中的