基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具,它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法,提出了一种利用先验知识和神经网络建立非线性系统模型的方法,具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算,从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。