论文部分内容阅读
预测控制算法的核心是预测过程中的滚动优化，滚动优化方法选择是确定其是否实用的关键，针对这一特点，在此提出了一种以径向基函数（RBF）神经网络为多步预测模型的非线性预测控制算法。算法采用RBF神经网络建立系统预测模型，并以微粒群优化（PSO）算法作为滚动优化算法，用来实现在有限时域内对控制序列的寻优，提高了优化过程的收敛性和求解精度。仿真结果表明了算法的有效性和高效性，获得了良好的控制效果。