基于动态反馈神经网络的复杂系统预测控制
在分析基于动态反馈神经网络(DRNN:Dynamic Recurrent Neural Network)的模型预测控制策略的基础上,为改善Elman网络辨识高阶系统时的计算复杂性,采用具有局部动态反馈特性的Elman网络进行线性系统状态空间模型的在线辨识.基于跟踪器型性能指标的预测控制器对系统进行滚动优化,并对动态反馈神经网络逼近状态空间模型进行了证明.对过程控制装置三容系统进行了仿真研究,通过离线训练方式获得网络初值的选择.仿真结果表明,此算法能使系统的输出保持期望轨迹,并能有效处理系统本身的输入、输出约束条件.
动态反馈神经网络 模型预测控制 二次规划
李秀改 黄德先
清华大学自动化系过程控制工程研究所(北京);中国科学院自动化研究所复杂系统与智能科学实验室(北京) 清华大学自动化系过程控制工程研究所(北京)
国内会议
长春
中文
77-80
2004-07-30（万方平台首次上网日期，不代表论文的发表时间）