共查询到16条相似文献,搜索用时 125 毫秒
1.
2.
3.
本文针对具有强非线性、多工作点特性的控制系统, 提出了一种基于递归BP神经网络的多步预测模型; 通过分析预测模型的内在数学关系, 选择了二次型函数作为预测控制器的目标函数, 并给出了目标函数关于控制序列的雅可比矩阵和赫森矩阵的计算方法; 最后使用Newton-Rhapson算法设计出了滚动优化控制策略, 构建了一个非线性多步预测控制器. 仿真结果表明, 文中提出的多步预测控制器具有较好的控制效果. 相似文献
4.
基于神经网络的广义非线性预测PID控制 总被引:3,自引:0,他引:3
针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题,本文提出在利用前馈网络对非线性系统建模的基础上,对系统输出实现递推多步预测,并且结合非线性PID,用另一前馈神经网络作为控制器,实现对非线性系统的控制。经网络的在线辨识采用梯度法,仿真实验验证了方法的有效性。 相似文献
5.
主要研究基于神经网络模型的最小预测误差非线性自适应控制算法.利用神经网
络激励函数的分段局部线性近似,将基于神经网络的非线性系统一步前向预测控制转化为一
系列局部的线性预测控制问题.利用线性系统参数估计方法获得神经网络预测模型的参数估
计.在此基础上利用并联线性系统的预测控制方法设计全局收敛的非线性系统预测控制器. 相似文献
6.
基于神经网络与多模型的非线性自适应广义预测解耦控制 总被引:1,自引:0,他引:1
针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性. 相似文献
7.
针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性. 相似文献
8.
多步预测性能指标函数下的神经网络逆动态控制方法 总被引:20,自引:3,他引:17
将预测控制与神经网络逆动态控制相结合,提出了多步预测性能指标函数下的神经网络逆动态控制方法。该方法用多步预测性能指标函数训练神经网络逆动态控制器的权值,使整个系统具有预测控制的特点,有比通常的神经网络逆动态控制快得多的响应速度和更好的响应性能。 相似文献
9.
基于神经网络与多模型的非线性自适应广义预测控制 总被引:9,自引:0,他引:9
针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性. 相似文献
10.
11.
基于神经网络的非线性系统多步预测控制 总被引:15,自引:0,他引:15
针对离散非线性系统,利用非线性激励函数的局部线性表示,提出一种可用于非线性过程的神经网络多步预测控制方法,并给出了控制律的收敛性分析.该方法将非线性系统处理成简单的线性和非线性两部分,对复杂的非线性多步预测方程给出了直观而有效的线性形式,并用线性预测控制方法求得控制律,避免了复杂的非线性优化求解.仿真结果表明了该算法的有效性. 相似文献
12.
13.
14.
针对离散非线性系统,利用神经网络非线性激励函数的局部线性表示,提出一种可用于非线性过程的神经网络预测函数控制方法并给出了控制律的收敛性分析.该方法将复杂的神经网络非线性预测方程转化成直观而有效的线性形式,同时利用线性预测函数方法求得解析的控制律,避免了复杂的非线性优化求解,仿真结果表明了算法的有效性. 相似文献
15.
采用遗传算法训练对角递归神经网络预测控制器 总被引:2,自引:0,他引:2
本文提出了一种基于广义预测控制的神经网络预测控制方案.预测控制器由对角递归
神经网络预测控制器和前向神经网络静态补偿器组成.两种神经网络均采用遗传算法进行训
练.仿真实验表明,对于带纯时延的非线性被控对象,采用遗传算法设计的对角递归神经网
络预测控制器具有令人满意的控制性能. 相似文献
16.
Nonlinear system PID-type multi-step predictive control 总被引:1,自引:0,他引:1
A compound neural network was constructed during the process of identification and multi-step prediction. Under the PID-type long-range predictive cost function, the control signal was calculated based on gradient algorithm. The nonlinear controller‘ s structure was similar to the conventional PID controller. The parameters of this controller were tuned by using a local recurrent neural network on-line. The controller has a better effect than the conventional PID controller. Sinmlation study shows the effectiveness and good performance. 相似文献