|
|||||
|
|
| 非线性系统RBF神经网络多步预测控制 | |
| 引用本文： | 樊兆峰,马小平,邵晓根.非线性系统RBF神经网络多步预测控制[J].控制与决策,2014,29(7):1274-1278. |
| 作者姓名： | 樊兆峰 马小平 邵晓根 |
| 作者单位： | 1. 中国矿业大学信息与电气工程学院，江苏徐州221008； 2. 徐州工程学院信电工程学院，江苏徐州221111. |
| 基金项目： | 国家自然科学基金项目(60974126)；建设部科技计划基金项目(2013-K8-32). |
| 摘 要： | 针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L-M) 算法设计滚动优化策略, 过误差修正参考输入的方法实现了反馈校正, 证明了控制系统的稳定性. 仿真结果表明所提出的控制方法效果较好. |
| 关 键 词： | 预测控制|RBF 神经网络|L-M 算法|滚动优化 |
| 收稿时间： | 2013/4/26 0:00:00 |
| 修稿时间： | 2013/7/22 0:00:00 |
RBF neural network multi-step predictive control for nonlinear systems |
|
| FAN Zhao-feng MA Xiao-ping SHAO Xiao-gen.RBF neural network multi-step predictive control for nonlinear systems[J].Control and Decision,2014,29(7):1274-1278. | |
| Authors: | FAN Zhao-feng MA Xiao-ping SHAO Xiao-gen |
| Abstract: | Aim at solving the strong nonlinear control problem, a multi-step predictive control method is proposed, which uses a RBF neural network as a model. A multi-step predictive model is constructed, a Jacobian matrix computing method for predictive error about control sequence is given, a receding horizon optimization policy is designed by using L-M algorithm, feedback correction is achieved by modifying reference input according the error, and the stability of the system is proved. Simulation results of the control method validate desirable performances. |
| Keywords: | predictive control|RBF neural network|L-M algorithm|receding horizon optimization |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |