摘 要

本文在对预测控制及神经网络的理论基础上，进一步分析研究，提出了一种针对污水处理系统BSM1仿真模型的预测控制方法。论文工作的主要研究内容：第一章绪论介绍预测控制算法和人工神经网络的产生、发展、现状和存在的问题；第二章，分析了预测控制的基本原理及三种典型的预测控制算法（动态矩阵控制、模型算法控制、广义预测控制），为全文的工作点滴基础；第三章，介绍了人工神经网络的基础，概括总结了神经元模型的结构功能和特征，对误差回传神经网络算法进行了分析研究。第四章基于国际水协(IWA)开发的基准系统仿真模型BSM1，建立了神经网络的预测模型，通过仿真研究表明基于神经网络的非线性系统预测控制算法优于常规的多回路PID控制器。以神经网络作为预测模型的预测控制方案为解决非线性系统预测控制问题提供了一种可行的方法。第五章，对论文所做的工作进行总结，找出需要进一步探索的问题，整理自己的收获。

关键词：预测控制；神经网络；滚动优化

Abstract

Based on the theory of predictive control and neural network, this paper presents a predictive control method for BSM1 simulation model of sewage treatment system. The second chapter analyzes the basic principles of predictive control and three typical predictive control algorithms (Chapter 2), which are the main research contents of the paper. The first chapter introduces the prediction, Dynamic matrix control, model algorithm control, generalized predictive control), which is the basis of the work of the whole text. In chapter 3, the basis of artificial neural network is introduced, and the structural functions and characteristics of the neuron model are summarized. The algorithm is analyzed and studied. In the fourth chapter, based on the BSM1 model developed by the International Water Association (IWA), the neural network prediction model is established. The simulation results show that the nonlinear system predictive control algorithm based on neural network is superior to the conventional multi-loop PID controller. The neural network as the predictive control scheme of the prediction model provides a feasible method for solving the nonlinear system predictive control problem. In the fifth chapter, we summarize the work done in this paper, find out the problems that need further exploration, and sort out our own gains.

Key Words：Predictive control ;neural networks; rolling optimiz

目录

第一章 绪论 1

1.1预测控制产生与发展 1

1.2神经网络的简介 1

1.2.2什么是人工神经网络 1

1.2.3 几个发展阶段 1

1.3本论文所做的工作 1

第二章 人工神经网络的基础 3

2.1神经元模型 3

2.1.1生物神经元的结构 3

2.1.2生物神经元的功能和特征 3

2.1.3人工神经元的理论模型 4

2.2神经网络模型 6

2.2.1神经网络的结构特点 6

2.2.2 神经网络的互联结构分类 6

2.2.3神经网络的自学习过程 7

2.3误差回传神经网络（BP） 9

2.3.1误差回传神经网络概述 9

2.3.2网络的计算公式 9

2.3.3网络的主要特点 10

第三章 预测控制的理论基础 11

3.1预测控制的基本原理 11

3.1.1预测模型 11

3.1.2滚动优化 11

3.1.3反馈矫正 11

3.2几种典型的预测控制算法 11

3.2.1动态矩阵控制 11

3.2.2 模型算法控制 14

3.2.3广义预测控制 17

第四章 基于神经网络的污水处理预测控制 20

4.1　 污水处理过程的预测控制 20

4.1.1　 污水处理过程BSM1模型 20

4.1.2 神经网络预测控制系统 21

4.2实验 24

第五章 总结 28

参考文献 29

致谢 30

第一章 绪论

1.1预测控制产生与发展

预测控制（Prediction Control）的产生是基于工业发展的需要。在第三次工业革命中，机器取代了人类去做那些复杂繁琐多线程同时步骤明确简单的工作，随着计算机技术的飞速发展，工业控制机有了更大的发挥余地，同时生产需要对控制算法有了更高的要求。生产过程更加复杂，自动化程度需要进一步提高，生产过程的实时性、误差的随机性等工业实践的要求对控制算法提出挑战。

控制算法的理论发展和应用之间有一道鸿沟,为了协调它们之间的关系，加强对模型简化、系统辨识、自适应控制、鲁棒控制等，面对工业控制的特点，人们自然期盼对模型要求低、控制综合质量好且在线计算方便的的新算法。而计算机技术的飞速发展为此提供了基础^[1]。

最早产生于工业过程的预测控制算法有建立在脉冲响应基础上的模型算法控制，以及建立在阶跃响应基础上的动态矩阵控制。这些预测控制算法用不断地在线优化取代了传统的最优控制。即所谓的滚动优化，这是现代控制理论中的优化思想。

1.2神经网络的简介

1.2.2什么是人工神经网络

人工神经网络是对人类大脑系统的仿真，它是一个可以用电子线路来实现也可以用计算机程序来模拟的数学模型。

神经网络是由大量的神经元互相连接而构成的网络系统，可以模拟大脑的许多基本功能和简单的思维方式。它可以通过学习来获取外部的知识并存贮在网络内，用来解决那些简单逻辑、多线程的工作。

1.2.3 几个发展阶段

第一个阶段(1930-1960 ): 1 感知机(Perceptron）。