一种基于PSO的自适应神经网络预测控制
来源期刊:控制工程2009年第4期
论文作者:苏成利 吴云 刘晓琴
文章页码:454 - 457
关键词:模型预测控制;动态递归神经网络;微粒群优化;非线性系统;
摘 要:针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法。采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应。利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点。生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力。
苏成利,吴云,刘晓琴
辽宁石油化工大学信息与控制工程学院
摘 要:针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法。采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应。利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点。生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力。
关键词:模型预测控制;动态递归神经网络;微粒群优化;非线性系统;