基于神經(jīng)網(wǎng)絡的非線性預測控制算法的研究.pdf

1、模型預測控制(簡稱預測控制)是20世紀70年代在長期的工業(yè)實踐過程中產(chǎn)生和發(fā)展起來的一類新型計算機控制算法，由于預測控制對模型要求低、魯棒性強，并能有效地處理時變時滯、多變量和帶約束等問題，線性預測控制方法目前已經(jīng)被廣泛應用在石油、化工、冶金、機械、機器人、生物醫(yī)學等領域，并且取得了非常明顯的經(jīng)濟效益。但工業(yè)過程和現(xiàn)場非常復雜，實際控制系統(tǒng)往往具有強耦合性、強非線性、時滯時變等特性。面對復雜的控制對象和更高的控制性能要求，基于線性模型的

2、預測控制很難實現(xiàn)實時而有效的控制，因此研究針對非線性系統(tǒng)的預測控制方法已經(jīng)成為工業(yè)控制界非常關(guān)注的課題。
　　 將人工智能引入控制系統(tǒng)是現(xiàn)代自動控制學科發(fā)展的趨勢，作為多學科交叉領域的前沿技術(shù)，人工神經(jīng)網(wǎng)絡具有自學習、自適應不確定性系統(tǒng)動態(tài)特性和逼近任意復雜非線性系統(tǒng)的特點，這使得神經(jīng)網(wǎng)絡可以應用在解決非線性和不確定性系統(tǒng)的建模問題中。因此將神經(jīng)網(wǎng)絡和預測控制的優(yōu)勢結(jié)合起來的基于神經(jīng)網(wǎng)絡的非線性預測控制逐漸成為了解決非線性系統(tǒng)控

3、制問題的重要方法。
　　 基于上述理論，本文首先介紹非線性預測控制的產(chǎn)生發(fā)展、非線性預測控制的主要研究方法和神經(jīng)網(wǎng)絡非線性預測控制的研究現(xiàn)狀，然后詳細闡述了預測控制的產(chǎn)生發(fā)展和基本原理，并著重介紹廣義預測控制的基本算法和參數(shù)選擇原則，同時指出預測控制是針對線性系統(tǒng)提出的，對于非線性系統(tǒng)由于難以建立精確模型進行多步預測，預測控制的控制效果往往不理想。因此本文引入具有良好逼近能力的局部動態(tài)反饋網(wǎng)絡Elman神經(jīng)網(wǎng)絡對非線性系統(tǒng)進行模

4、型辨識，并在此基礎上提出將改進Elman神經(jīng)網(wǎng)絡應用在廣義預測控制中。首先利用神經(jīng)網(wǎng)絡作為預測模型進行多步預測，并輸出未來輸出值，然后利用優(yōu)化算法使目標函數(shù)達到最優(yōu)求出最優(yōu)控制量。為了避免通過推導改進Elman神經(jīng)網(wǎng)絡的雅克比矩陣(Jacobian)來計算最優(yōu)控制律算法的復雜性，本文采用動態(tài)自適應粒子群算法(APSO)作為優(yōu)化算法來設計預測控制器。最后，選取典型的強非線性對象進行仿真研究，結(jié)果表明基于改進Elman神經(jīng)網(wǎng)絡的非線性預測控