一种基于PSO的自适应神经网络预测控制
作者:
苏成利
;
吴云
;
刘晓琴
关键词:
模型预测控制
动态递归神经网络
微粒群优化
非线性系统
摘要:
针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法。采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应。利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点。生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力。
上一篇:二级倒立摆的Sugeno型模糊神经网络控制
下一篇:随机分布控制系统的自适应迭代学习控制