带控制约束的非线性神经元预测控制.pdfVIP

Neural NonlinearPredictiveControlwithCon订ol Constraims FIl，z}IigⅫgWallg，Sh洒 unlverslty (DepanmentofAutor觚ioIl’1bin曲uaBcning100084) t0 and comrolaNcumI Abl”nc匕Inmis ncuralmOdel【s ModeI papc‘a applicdprcdi吐ive C0ns咖incdPrcdictive fornonlinear is lhis neu脚modcl如d∞川near Con们l(NMCPC)algonthmproc∞s aIgoritllm，mc p7叩oscd，ln to0btainthe arccombined con咖11a砒Thc tllat programmingby simulationresultshows gradi叽t叩timiz砒iOn optimal NMCPCcouldachieve cOn打oI s毗is觚0ry pc面nrl如ce． elenlent，Ncuf叫modelcon打ol， KeywOrds：NeumI P^。djc“vc St曲imy，NonImc缸pro霉铷nming 带控制约束的非线性神经元预测控制 傅志刚王诗宓 (清华大学自动化系，北京100084) 摘要：本文将神经元模型应用于预测控制，提出了一种可用于非线性过程的带控制约束的神经元模型预测控棚算 法{NMCPc)．并将神经元模型与梯度法调优非线性规划方法相结合获得优化的控制律．仿真结果表明，NMcPc 可获得良好的控帝j效果，具有较高的应用价值． 关键词：神经元，神经元预测控制，稳定性。非线性规划 1．引言 中和塔的口H值控制和工业机器人的控制，其控制效 预测控制在利用被控过程动态模型对过程未来 果要明显优于一般的PI控制器。文【8]用两个预测网 输出进行预测的基础上实现对过程的控制。预测控 进行多步预测．但其结构复杂．很难应用于实际： 制的性能与预测模型的精度密切相关，预测模型越 其次是控制速度，由于需要进行网络的训练．因此 准确，控制效果越好。事实上，预测控制在本质上 在训练和修正时，需要消耗较多的时间，不利于它 拓宽了模型的概念。它采用的模型已不能狭义地理 的在线实施。 解为过程的数学模型，而应理解为服务于预测的信 本文将神经元模型应用于预测控制系统，采用 息处理方式。不看重预测模型的形式而注重它的功 了与神经元模型相适应的、无需求解目标函数倒数 的最降梯度法[9 能，这就为各种非传统的模型、预测概念和各种智