采用多变量RBF神经网络的非线性内部迭代预测控制 |
| |
引用本文: | 姜雪莹,苏成利,施惠元,李平,刘思雨.采用多变量RBF神经网络的非线性内部迭代预测控制[J].应用科学学报,2018(4). |
| |
作者姓名: | 姜雪莹 苏成利 施惠元 李平 刘思雨 |
| |
作者单位: | 辽宁石油化工大学信息与控制工程学院;西北工业大学自动化学院 |
| |
摘 要: | 针对工业过程中被控对象往往具有复杂、强非线性、多变量的特性,提出一种基于多变量径向基函数(radial base function,RBF)神经网络的非线性内部迭代预测控制方法.采用多个RBF神经网络在线逼近多输入多输出的非线性系统,得到一个近似模型作为预测模型.同时为了减少求解系统控制律的计算量,将每个输出预测值沿着输入轨迹展开,从而把求解复杂非线性优化问题转化为求解简单的二次规划问题,解决了在线实时递推控制律时求解非线性微分方程的困难.最后通过t次内部迭代直至满足迭代条件,得到了最优的控制律.p H中和过程的仿真结果表明了该算法是有效而可行的.
|
本文献已被 CNKI 等数据库收录! |
|