基于逆模型区间优化神经网络预测控制.pdfVIP

维普资讯 第27卷 第26期 中 国 电 机 工 程 学 报 Vo1．27No．26Sep．2007 2007年9月 ProceedingsoftheCSEE ~2007Chin．Soc．forElec．Eng 文章编号：0258—8013(2007)26—0115—06 中图分类号：TK323 文献标识码：A 学科分类号：470．30 基于逆模型区间优化的神经网络预测控制 王世虎，沈 炯，李益国 (东南大学能源与环境学院，江苏省 南京市 210096) NeutralNetworksPredictiveControlUsingOptimizingIntervalsofInverseM odels WANG Shi-hu，SHEN Jiong，LIYi-guo (SchoolofEnergySourcesEnvironment，SoutheastUniversity,Nanjing210096，JiangsuProvince，China) ABSTRACT：A scheme IS proposed to determine initial 性给予了严格的数学证明。通过对某 300MW 机组仿真表 detectingintervalbymeansofhtegoldensectionalgorithm in 明，提出的方案在控制品质和降低计算量方面均获得满意的 order ot reduce hte amount and ensure hte stability of 效果。 optimizingalgorithm inhteneuralnetworkspredictivecontro1． 关键词：神经网络预测控制；神经网络逆控制；黄金分割算 Namely，htewidht of initialdetectingintervalsisinproportion 法；滚动优化；区间套定理 ot hte errorbetween theOHtputof neurtalnetworksinverse modelnadtheforegoingsystem input．Thelesshteerroris．hte O 引言 smallerhtedetectingwidht isna dSOishteon—linecomputing 模型预测控SU(MPC)于20世纪 70年代提出， ma ount．1]he scheme effectively reduces hte on—line rolling 由于在工业控制中成功应用而引起广泛的关注。 optimi zingalgorithm andenableshteconrtolsystem ot feature MPC具有处理如大滞后、变量约束、非最小相位等 htedualismofbohtneurtalnetworkspredictivecontrol(NNPC) nadneurtalnetworksinverseconrtol(NNIC)．Insteadystates， 复杂系统的能力，并且在模型不精确时具有较强的 NNPC isrtna sformedot NNIC withhterapidcharacteristicsof 鲁棒性[1】。目前线性MPC算法已经成熟，但 由于 inverseconrto1．nI hteprocessofmod elmi smatchordynamic 工业对象大都呈非线性特性，因此基于非线性模型 state，NNPCplaysdominnatrolewiht chraacteristicsof model 的模型预测控~I