基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立系统的神经网络模型问题，训练好的神经网络可作为预测模型，实现非线性系统的预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

Parameter Self - Learning of Generalized Predictive Control Using BP Neural Network

This paper describes the self—adjustment of some tuning-knobs of the generalized predictive controller(GPC).A three feedforward neural network was utilized to on line learn two key tuning-knobs of GPC,and BP algorithm was used for the training of the linking-weights of the neural network.Hence it gets rid of the difficulty of choosing these tuning-knobs manually and provides easier condition for the wide applications of GPC on industrial plants.Simulation results illustrated the effectiveness of the method.     

基于模糊推理和广义预测的组合控制

针对具有纯时滞和非线性的复杂系统，提出一种推广广义预测控制和模糊反馈校正相结合的控制策略，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性，建立了一种适于实时生产过程的控制方法，仿真结果验证了这一算法的有效性。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立的神经网络模型问题。训练好的神经网络可作为预测模型，实现非线性系统预测控制；这对一大类过程控制系统的建模与控制具有启发意义。