基于Elman网络的非线性系统神经元自适应预测控制

提出在非线性系统的Elman网络辨识模型的基础上 ,用单神经元设计预测控制器的方案。Elman网络在BP网络的基础上 ,加入反馈信号 ,利用内部状态反馈来描述系统的非线性动力学行为 ,提高了学习速度 ,适合于动态系统的实时辨识。神经元结构简单 ,且有很强的自学习和自适应能力 ,它根据系统的期望输出与一步超前预测输出之间的偏差 ,并通过某种特定的学习算法在线调整控制器的参数 ,使控制器能够适应对象参数的变化 ,从而实现对一类非线性系统的有效控制。仿真实验证明了该方案的有效性。