自适应逆控制方法的研究

本文对自适应逆控制方法进行了理论和仿真研究。针对进化规划在局部优化方面的不足和单纯形法在全局优化方面的不足，提出了基于进化规划和单纯形法相结合的算法--EPSM算法，并通过数学方法证明该算法是收敛的。针对传统RBF神经网络的训练方法在选择最优网络参数等方面的局限性，采用EPSM算法和标准进化规划算法训练径向基神经网络，通过仿真对比，验证了EPSM算法的实用性和有效性。针对逆系统方法要求精确的模型解析式，而大多数工业过程往往呈现很强的非线性行为且难以用解析式描述的特点，使用EPSM算法训练的RBF神经网络建立了系统的逆模型。用EPSM算法训练的RBF神经网络构成逆控制器，用于耦合系统的解耦控制，通过对多变量线性耦合系统和非线性耦合系统的仿真，能够有效地实现耦合系统的解耦。同时，将EPSM算法训练的RBF神经网络与传统的PID控制相结合用于系统的自适应逆控制，通过与传统的PID控制和直接逆控制进行比较，验证了自适应逆控制方法的有效性。