一种改进的神经网络非线性预测控制.pdfVIP

　　第 23 卷 　第 4 期 计 　算 　机 　仿 　真 2006年 4 月 　　 文章编号 : 1006 - 9348 (2006) 04 - 0 154 - 03 一种改进的神经网络非线性预测控制 黄西平 ,李睿 ,刘军 (西安理工大学 , 陕西 西安 7 10048) 摘要 :从建立神经网络非线性预测模型出发 ,针对 B P 网络存在收敛速度慢 ,容易陷入局部最小的缺点 ,该文在 BFGS拟牛顿 法的基础上 ,提出了一种基于并行拟牛顿优化算法的并行拟牛顿神经网络 。该并行拟牛顿优化算法采用两个含有不同参数 的拟牛顿校正公式 ,在每次迭代过程中,利用这两个不同的校正公式得到相应的搜索方向,并通过不精确搜索法求取最优步 长 ,最后根据一性能指标取最优的一个搜索方向和相应的步长对网络各层之间的权值进行修正 。M atlab 仿真结果表明, 同 BP神经网络和 BFGS拟牛顿神经网络相比,该神经网络具有收敛速度快 、模型精度高的特点 ,更适合于实时非线性控制 。 关键词 :神经网络 ;非线性系统 ;预测控制 ;并行拟牛顿法 中图分类号 : TP183 　　文献标识码 : B A Novel Pred ictive Con trol M ethod Ba sed on Neura l Networks HUAN G X i - p ing, L I Ru i, L IU Jun (X ian U n iversity of Technology, X ian Shanxi 710048, Ch ina) A BSTRACT: To imp rove the rate of convergence of the B P neural network s for non linear system iden tification in non linear p redictive control, ba sed on the B FGS quasi - N ew ton algorithm , a novel p arallel qua si - N ew ton op tim ization techn ique is p ropo sed and a s a m u lti - step p redictive model of non linear indu strialized p roce ss. sim u lation exp eri m en ts have shown that the algorithm is ab le to increase the p recision of non linear p redictive model greatly and im p rove both the static and dynam ic p erform ances of the non linear p redictive control system. KEYW O RD S: N eu ral network s; Non linear system ; Predictive control; Parallel qua si - N ew ton m ethod 中 ,M atlab仿真研究显示该方法使得网络的收敛速度加快 , 1　引言 模型精度增高 ,并提高了控制特性 。 预测控制是一种基于模型的闭环优化控制算法 , 自 70