基于改进PSO算法的液压调高系统神经网络预测控制.pdfVIP

学兔兔 I I 訇 化 基于改进PSO算法的液压调高系统神经网络预测控制 PredictivecontroI of the verticaI steeringsystem based on RBF neural network 周元华 。。 ，马宏伟 。 ZHOUYuan．hua ．MAl1 Hong—wei (1．西安科技大学 机械 工程 学院，西 安0054；2．长江大学 71 机械工程学 院，荆州 434023) 摘 要 ：针对采煤机液压调高控制问题，提出一种基于模拟退火粒子群算法的RBF预测控制方法。综合 模拟退火算法和粒子群算法的优点，用模拟退火思想来解决粒子群算法易陷于局部最优的问 题。用模拟退火粒子群算法优化RBF神经网络，增强学习能力和算法稳定性。利用改进的RBF 神 经网络对采 煤机液 压调 高系统进 行预测控制 ，仿真结果 表明 ，改 进后的方 法比传统控 制方 法辨识精度提高，响应速度更快，证明了该方法的改进效果较好。 关键词：RBF神经网络；模拟退火算法；粒子群算法 ；预测控制 中图分类号 ：TD421 文献标识码 ：A 文章编号4)os(下)-ol ：1 0-0334(201 009-01 1 Doi：10．3969／J．issn．1 009-01 34．2014．03(下)．30 0 引言 式 中 ， X =[ ，x2 ．， r 是 输 入 向 量 ； = 目前大 多数采煤机 采用液压 系统进行调高控 ， [6l，b2，．．．，bm] 是基宽函数 向量。 制 ，该 系统 是一 个复 杂的 非线性 、时变 系统 ，常规 因此 ，RBF网络 的输 出为 ： 控制 方法 难 以满 足实 时性 要求 。模 型预 测控制 采用 Ym(t)= lz2+?++w2 hm=WH (2) 滚动 优化 策略 ，能 取得 较好 的动 态控 制效 果 ，但 只 式 中 ， W=[ ，WE，．．．，Wm] 是权 值 ； H=[啊， ，?， r 能应用于线性系统，而神经网络预测控制具有很的非 为隐含 层节 点输 出。 线性处理能力，被广泛用于非线性系统的控制中口】。 设有多变量非线性 系统描述为： RBF神经网络由于具有紧凑的结构 、很好的逼近特 ．y()=f[y(k—1)，?，y(k一 一1)， f3、 性 和很 快 的 学 习速 度 等 优 点 ，受 到 人 们 的高 度 重 u(k一1)，·一，u(k一，z 一1)] 视 ，但其中心点的选择较为困 ，很多学者采用