基于神经网络及PSO的非线性预测控制算法研究

发布时间：2023-10-28 18:04

　　非线性模型预测控制已经成为控制理论界和工业界的研究热点,神经网络以其能够学习和适应非线性系统的特点,使得基于神经网络的非线性预测控制受到学者们的广泛关注。本文针对基于神经网络的非线性预测控制存在的递推预测导致精度降低、预测模型难以适应时变系统的问题,提出了基于多步预测误差指标函数的非线性预测控制算法;针对局部最优问题提出了双种群分工合作粒子群优化算法;基于改进的修剪型神经网络模型和改进的时间窗在线建模方法,提出了一种自适应预测控制算法。所提出的算法取得了满意的仿真结果。论文的工作包括以下几个方面:针对神经网络预测模型对系统输出进行多步预测时效果差的问题,根据面向控制的系统辨识思想,提出了一种适合于预测控制的多步预测误差指标函数(Multi-Step Predictive Error Index Function,MSPEIF);然后针对神经网络常出现的过拟合问题,在目标函数中加入正则化项,提出了多步预测误差及正则化指标函数(Multi-Step Predictive Error and Regularization Index Function,MSPERIF),在一定程度上提高神经网...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 引言
    1.2 模型预测控制基本原理
    1.3 神经网络预测控制
    1.4 论文主要内容及结构安排
第2章 神经网络基础知识
    2.1 前馈神经网络
    2.2 递归神经网络
        2.2.1 对角递归神经网络概述
        2.2.2 基于粒子群优化算法的对角递归神经网络
    2.3 本章小结
第3章 基于MSPERIF的神经网络预测控制研究
    3.1 基于BP神经网络的预测控制概述
        3.1.1 BP神经网络预测模型
        3.1.2 BP神经网络预测控制器设计
    3.2 基于MSPERIF的神经网络预测控制
        3.2.1 问题分析
        3.2.2 基于MSPERIF的神经网络预测模型
        3.2.3 反馈校正
        3.2.4 控制器设计
    3.3 仿真研究
        3.3.1 建模仿真
        3.3.2 预测控制仿真
    3.4 本章小结
第4章 基于分工合作的粒子群优化算法研究
    4.1 粒子群优化算法
        4.1.1 粒子群优化算法概述
        4.1.2 几种改进的粒子群优化算法
    4.2 基于双种群分工合作的粒子群优化算法
    4.3 仿真研究
        4.3.1 粒子群优化算法仿真
        4.3.2 建模仿真
    4.4 本章小结
第5章 基于修剪型DRNN的自适应预测控制研究
    5.1 神经网络结构确定方法概述
    5.2 基于相关性分析的剪枝对角递归神经网络
    5.3 基于改进滑动窗口的预测模型在线校正
    5.4 仿真研究
        5.4.1 建模仿真
        5.4.2 预测控制仿真
    5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的学术成果
致谢



本文编号：3857500