一種新型的神經網絡預測控制方法

預測控制是一種基于模型的先進控制技術，亦稱模型預測控制(model predictive control)，它對模型的精度要求不高，適應于時滯對象或非最小相位系統，跟蹤性能好，比起傳統的最優控制、自適應控制來更適應于復雜的工業工程控制中不確定環境的需要。預測控制還可以靈活、方便地處理輸入、輸出等的約束問題，越來越受到國內外工業界和控制理論界重視，并在石油、化工、電力、冶金、機械等行業得到了應用，取得了明顯的經濟效果神經網絡以其并行處理，分布式存儲以及很好的魯棒性和自適應、自學習的特性為它在控制領域的應用開辟了廣闊的應用前景。近年來，神經網絡在非線性系統的辨識和控制中發揮了獨特作用，使其成為研究非線性控制的一種新的工具。由于BP網絡是全局權值修正網絡，因此學習速度慢，而且以梯度法求取的控制律存在陷入局部極值點的可能。文獻[2—3]采用具有全局優化特點的遺傳算法作為滾動優化的方法。文獻[4]以小腦模型網絡作為多步預測模型，以啟發式遺傳算法作為優化方法。