基于改进的BP网络误差修正的广义预测控制

• 作者: 丁淑艳 李东侠 李平
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 神经网络 模型失配 预测控制 鲁棒性
• 年，卷（期）: 2004,（12）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 143-145
• 页数: 3页
• 分类号: TP183
• 字数: 2135字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2004.12.043

摘要

该文利用预测误差的历史数据,基于改进的BP神经网络,对系统的建模误差进行预测.该网络采用了修正激励函数的BP算法,预测性能好,能够克服标准BP算法中Sigmoid函数的不足,加快了网络的学习速度.并将其与模型预测相结合构成广义预测控制算法,有效地克服了模型失配的影响,提高了控制的速度,同时引入控制增量增益,利用这个自由度来提高闭环的稳定鲁棒性.仿真结果表明了该算法的有效性.