基于神经网络的预测控制方法研究

• 作 者: 段向军
• 发表日期: 2005年期
• 关键词: 预测控制 神经网络 动态矩阵控制 广义预测控制 滚动优化 极点配置

随着工业控制要求的提高及控制理论与计算机技术的发展,产生了控制效果好、鲁棒性强,适用于复杂的工业过程的预测控制算法,并已在石油、化工、冶金、机械等工业领域的控制系统中得到了成功的应用,是一类很有发展前景的新型计算机控制算法。 本文首先阐述了预测控制的基本原理和结构,深入讨论了动态矩阵控制的预测模型、反馈校正、滚动优化方法及其稳定性和鲁棒性,并且分析了相关参数对控制效果的影响,在此基础上,本文研究了基于神经网络的动态矩阵控制新方法。其实质是用神经网络作为预测模型,产生预测信号,用滚动优化算法求出控制律,从而实现对非线性系统的预测控制。神经网络选用具有良好非线性函数逼近能力的 BP 神经网络和 RBF 网络。 针对单个 BP 神经网络作为预测模型时,递推多步预测误差积累大的缺点,本文提出多 BP 神经网络并行预测控制算法。由多个单独 BP 网以并行方式构成预测模型,各子预测模型间无直接影响,因此没有误差积累。同时进行了仿真实验。针对 RBF 神经网络网络结构易确定、收敛速度快及其良好的非线性函数逼近特性,采用 RBF 神经网络作为预测模型,提出一种基于 RBF 神经网络非线性动态矩阵预测控制算法,同时进行了仿真实验,表明了此方法的可行性。在论述了广义预测控制基本理论的基础上,本文把神经网络、广义预测控制和极点配置技术融为一体,提出一个基于二阶 Adaline网络的广义预测极点配置加权控制器,并且在理论上分析了其合理性,为解决复杂非线性系统的预测控制问题提供了新方法和新途径。