基于线性近似和神经网络逼近的模型预测控制

• 作者: 宋超 盖俊峰 赵国荣
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 线性近似方法 径向基函数神经网络 模型预测控制 二次型最优化
• 年，卷（期）: 2015,（2）
• 页码范围: 394-399
• 页数: 6页
• 分类号: TP273
• 字数: 4867字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2015.02.26

摘要

针对非线性系统的模型预测控制问题，提出了一种基于线性近似和神经网络逼近的控制算法。用Taylor 级数展开法对非线性系统进行线性近似时，要求对象系统中的非线性函数必须连续可微。为了突破这一限制，引入了 Stirling 插值公式线性近似法，拓展了可处理的非线性系统范围。通过对线性化过程中产生的非线性高阶项进行径向基函数（radial basis function，RBF）神经网络逼近，显著提高了对象系统模型精确度。为了降低数值计算复杂度，将控制性能指标函数重构为易于处理的二次型最优化问题，通过对该二次型最优化问题的求解得到了最优控制序列。控制过程考虑了约束条件的影响以模拟真实的工业生产过程。仿真结果证明了所提出预测控制方案的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵国荣	海军航空工程学院控制工程系	140	687	14.0	18.0
2	宋超	海军航空工程学院控制工程系	15	86	6.0	9.0
3	盖俊峰	海军航空工程学院控制工程系	7	66	4.0	7.0