一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上,将对象输出的Taylor级数展开式取线性项作为预测模型,提出一种非线性系统模型预测控制算法。为了保证预测模型的准确性,以神经网络做辨识器估计系统建模误差,对非线性对象进行单步预测控制。理论上已证明三层BP网能任意逼近L2上的非线性函数,本文通过仿真研究也表明了当神经网络逼近系统建模误差时,所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。