基于混合神经网络的非线性预测函数控制

被引：8

作者：

周洪煜

张坚

游立科

张峰

机构：

[1] 重庆大学动力工程学院

[2] 上海大学机电工程与自动化学院

[3] 西安大唐电信有限公司

来源：

控制理论与应用 | 2005年 / 01期

关键词：

混合神经网络; Hammerstein模型; 预测函数控制; 非线性静态增益; 线性动态子系统;

D O I：

暂无

中图分类号：

O231 [控制论（控制论的数学理论）];

学科分类号：

摘要：

针对基本预测函数控制只能用于线性对象的控制这一不足,提出了基于混合神经网络的非线性预测函数控制.混合神经网络由BP网络和线性神经网络串连组成.采用混合神经网络对可用Hammerstein模型描述的非线性对象进行有效的辨识.其中,BP网络反映了非线性静态增益,线性神经网络反映了线性动态子系统.利用BP网络求出非线性静态增益的逆并与非线性对象串联,抵消非线性对象中的非线性静态增益部分,将非线性对象的控制问题转化为对线性对象的控制问题,实现了对非线性对象的预测函数控制.当被控对象的特性发生变化时,可对混合神经网络权值及时进行修正并调整控制器参数使控制系统始终保持良好的控制性能.仿真结果表明,此控制系统具有良好的控制效果.

引用

页码：110 / 113

页数：4