多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题，提出改进的具有辅助向量的多变量全格式动态线性化方法，采用其逼近非线性系统，用其构成预测模型，将其转化为具有耦合的若干个子系统，利用直接极小化指标函数自适应优化算法辨识其参数，将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数，并由该向量函数的逆向量函数构建当前控制输入向量，因其未知，使用对角回归神经网络逼近控制输入向量函数，采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数，综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高，性能好，优于传统的线性自抗扰控制算法。