基于AEPSO优化的神经网络多步预测控制

• 作者: 侯志祥 吴义虎 申群太 袁松贵
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 预测控制 神经网络 粒子群优化 收敛性
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 机电·信息工程
• 页码范围: 1162-1168
• 页数: 7页
• 分类号: TP273
• 字数: 4782字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7207.2007.06.026

摘要

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案.基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度.运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明.仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁松贵	长沙理工大学汽车与机械工程学院	10	107	5.0	10.0
5	侯志祥	长沙理工大学汽车与机械工程学院	25	241	10.0	14.0
9	吴义虎	中南大学信息科学与工程学院	1	18	1.0	1.0
10	申群太	长沙理工大学汽车与机械工程学院	1	18	1.0	1.0