一种基于神经网络误差补偿的非线性预测控制邂).pdfVIP

计算机科学2003Vol.30N0.5(专刊) 一种基于神经网络误差补偿的非线性预测控制” 苏成利 李 平 (辽宁石油化工大学信息工程学院 辽宁113001) AbstractAnovelpredictivecontrolalgorithmisproposedfornonlinearsysteminthispaper.Thealgorithmuses diagonalrecurrentneuralnetworktocompensatenonlinearmodelingerror,whichiscausedbecauselinearmodelis consideredaspredictivemodel.Itisaimedatoffsettingtheeffectofmodelmismatch.strengtheningtherobustness ofpredictivecontrolandthestabilityofcontrolsystem.Basedonitlinearpredictivealgorithmisextendedtonon- linearsystem-hichdoesntneedsolvenonlinearoptimizationproblem.reducescomputationburden.Thesimula- tionresultsshowthattheproposedalgorithmiscorrect. Kevwords Nonlinearsvstem.Predictivecontrol.Recurrentneuralnetwork.Modelmismatch 系统的线性部分模型可表示成; 1 引言 y,(k)=X(k)TB,B=[一a,,...，一a..bs,-,b}]T 近年来，基于线性模型的预测控制无论在理论 (2) 上还是在应用上都取得了长足的进步G[l。在对象只 X(k)二 y〔(k一1),--,y(k-n),u(k一1)，一 “ 存在弱非线性时，线性预测控制算法是非常有效的; (k一。)]T (3) 但当对象存在强非线性时，其采用线性模型的箱出 由线性模型产生的非线性建模误差，可由非线 预测与实际偏差较大，从而很难实现优化控制.而实 性部分加以补偿。针对非线性部分.本文采用结构简 际过程大多为非线性过程，这就使得对非线性预测 单、学习速度快.而且无须知道系统阶次的3层动态 控制的研究显得尤为重要。由于神经网络具有通近 递归神经网络进行建模.网络翰出为Y.,(k)，网络输 任意非线性的能力，因此将神经网络引入到预测控 人为[y(k-1),u(k-1)],隐层的激发函数为Sig- 制中，实现非线性系统预测控制，己成为目前研究的 moid函数，枪入和输出层神经元均为线性神经元。 热点。文 2「]利用神经网络建立误差预测模型，提出 神经网络模型可描述为: 了基于神经网络误差修正的广义预测控制，实现了 s,(k)=W,,,z,*一1)+Ew{.，，(*) (4) 预测误差的动态补偿。文仁3]提出了基于复合神经网 络的非线性多步预测控制，采用数值递推迭代方法 z;(k)=f(s,(k)),y}(k)一习W,z,(k) (5) 求取控制量，并将线性广义预测控制器扩展为非线 其中，乙(k)为神经网络的箱入，W;,，为第:输人到隐 性多步预测控制器.本文则吸取了上述文献中的一 层第少神经元的连接权，W;为隐层第少神经元到输 些思想，提出了一种基于神经网络误差补偿的非线 出的连接权，W0,为隐层第少递归神经元内部连接 性预测控制器，将线性预测控制算法应用于非线性 权，s,(k)为隐层第J神经元的输入和，z,(k)为隐层 系统，避免了求解非线性优化问题，并给出了一种解 第少神经元的箱出，了(·)为隐层的激发函数。 析求解控制量的方法。