基于神經(jīng)網(wǎng)絡的非線性預測控制研究.pdf

1、本文以工程實際廣泛存在的非線性系統(tǒng)為研究背景，以理論研究與仿真實驗為重點，研究了基于神經(jīng)網(wǎng)絡辨識的動態(tài)矩陣預測控制(DMC)新方法，其實質是利用作為對象辨識模型的神經(jīng)網(wǎng)絡產(chǎn)生輸出預測，用滾動優(yōu)化算法求出控制律，從而實現(xiàn)對非線性系統(tǒng)的預測控制。神經(jīng)網(wǎng)絡分別選用具有良好非線性逼近能力的BP網(wǎng)絡和RBF網(wǎng)絡，其與動態(tài)矩陣預測控制算法相結合，針對非線性系統(tǒng)，對比研究了基于以上兩種神經(jīng)網(wǎng)絡的非線性預測控制技術。在課題的研究中，完成的主要工作有：

2、 1．對動態(tài)矩陣控制算法做了深入的探討和研究，分析了動態(tài)矩陣預測控制的預測模型、反饋校正與滾動優(yōu)化的特征及其穩(wěn)定性、魯棒性，并研究了相關參數(shù)對控制效果的影響，指出了這種常規(guī)預測控制算法直接用于非線性系統(tǒng)存在的問題。 2．針對BP和RBF神經(jīng)網(wǎng)絡的特點，分別研究了一種改進算法，即帶動量項的自適應調整學習率的BP算法和遞推七．均值聚類算法。通過MATLAB仿真實驗表明：帶動量項的自適應調整學習率的BP算法學習速度較快、且辨識精