四容水箱的小波神经网络广义预测控制

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (16): 216-220.

四容水箱的小波神经网络广义预测控制

宋清昆1，余杉钰2，韩笑1

1.哈尔滨理工大学自动化学院，哈尔滨 150080
2.深圳科陆电子科技股份有限公司，广东深圳 518057

出版日期:2016-08-15 发布日期:2016-08-12

Wavelet neural network generalized predictive control for quadruple-tank system

SONG Qingkun1, YU Shanyu2, HAN Xiao1

1.School of Automation, Harbin University of Science and Technology, Harbin 150080, China
2.Shenzhen Clou Electronics Corporation Limited, Shenzhen, Guangdong 518057, China

Online:2016-08-15 Published:2016-08-12

摘要/Abstract

摘要： 针对四容水箱系统的多变量、大时滞、非线性及强耦合等特性，采用了小波神经网络广义预测控制（WNNGPC）策略。利用小波神经网络良好的函数逼近能力，对系统被控对象进行辨识，得到控制系统的预测模型，再结合广义预测控制良好的控制性能，达到对四容水箱系统的稳定控制。在系统辨识的过程中，采用的是改进的BP学习算法，这一算法能够快速平稳地修正网络权值和阈值，使预测输出平滑地趋近期望输出。在解决系统的耦合问题上，利用了模糊控制的通用逼近性，设计了模糊前馈补偿解耦。基于模糊补偿解耦的WNNGPC对四容水箱进行控制实验，并对比分析实验结果。结果表明，这一控制策略对四容水箱进行控制时取得了较好的控制效果。

关键词: 四容水箱, 小波神经网络, 广义预测控制, 模糊补偿解耦

Abstract: Considering the characteristic of the quadruple-tanks, such as multiple variables, great time-delay, misalignment and coupling, the author applies the wavelet neural network generalized predictive control（WNNGPC）. Predictive model of the control system can be obtained through recognizing the system controlled object based on the good function approximation of the wavelet neural network. And with the combination of the good control performance of the generalized predictive control, the quadruple-tanks system can achieve stability control. During the reorganization of the system, the author applies the optimal BP neural network. This algorithm can correct weights and thresholds of the network quickly, and make the prediction output approaching the desired output smoothly. On solving the coupled problem of system, the author designs a fuzzy feed forward compensation decoupling by using the universal approximation of fuzzy control. Use the WNNGPC based on fuzzy compensation decoupling to do the experiments of the quadruple-tanks, and analyze the results of experiments. Through the experiments and analysis, it can be indicated that the control strategy achieves good control effect of the quadruple-tanks.

Key words: quadruple-tank, wavelet neural network, generalized predictive control, fuzzy compensation decoupling

宋清昆1，余杉钰2，韩笑1. 四容水箱的小波神经网络广义预测控制[J]. 计算机工程与应用, 2016, 52(16): 216-220.

SONG Qingkun1, YU Shanyu2, HAN Xiao1. Wavelet neural network generalized predictive control for quadruple-tank system[J]. Computer Engineering and Applications, 2016, 52(16): 216-220.

[1]	罗向龙1，2，张生瑞1，牛力瑶2. 基于检测器优化选择的短时交通流预测[J]. 计算机工程与应用, 2017, 53(8): 199-202.
[2]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[3]	岳小雪，郑云水，林俊亭. 基于改进WNN的城市轨道交通客流量预测[J]. 计算机工程与应用, 2016, 52(11): 227-232.
[4]	于文新1，何怡刚2，吴先明3，高坤3. 基于果蝇-构造小波神经网络模拟电路诊断方法[J]. 计算机工程与应用, 2015, 51(22): 22-27.
[5]	赵文天1，郜春海2. 城轨列车自动驾驶广义预测控制器的算法研究[J]. 计算机工程与应用, 2015, 51(21): 259-264.
[6]	汪小寒1，张燕平2，赵姝2，张铃2. 基于动态粒度小波神经网络的空气质量预测[J]. 计算机工程与应用, 2013, 49(6): 221-224.
[7]	周红标，张新荣，耿忠华. 基于遗传小波神经网络的白酒识别电子鼻[J]. 计算机工程与应用, 2013, 49(5): 254-257.
[8]	朱佼佼1，陈特放2，付强1. 车载牵引变压器智能故障诊断技术新研究[J]. 计算机工程与应用, 2012, 48(23): 27-31.
[9]	王博1，商岸帆2，郭晨1，罗超3，罗文浪1. 小波神经网络在基坑变形预测的研究与应用[J]. 计算机工程与应用, 2012, 48(19): 225-229.
[10]	吴文浩1，2，李悦丽1，洪鼎松2，程晓航2. 基于WNNs的ADS与多雷达航迹融合算法[J]. 计算机工程与应用, 2011, 47(27): 225-227.
[11]	李灿军1，彭辉2. 液位系统的多模型广义预测控制研究[J]. 计算机工程与应用, 2011, 47(27): 236-238.
[12]	李超峰，卢建刚，孙优贤. 基于SVM逆系统的非线性系统广义预测控制[J]. 计算机工程与应用, 2011, 47(2): 223-226.
[13]	张建桃1，张铁民2，梁莉2，文晟2. 超声电机参数摄动与广义预测控制[J]. 计算机工程与应用, 2011, 47(14): 17-20.
[14]	徐小平^1，2，钱富才¹，王峰^3，4. 非线性系统辨识方法研究[J]. 计算机工程与应用, 2010, 46(6): 19-22.
[15]	翟永杰，李海丽，王东风，韩璞. LS-SVM误差补偿的广义预测控制[J]. 计算机工程与应用, 2010, 46(3): 192-194.