论文部分内容阅读
从建立稳定、精确的非线性预测模型出发,以Broyden,Fletcher,Goldfarb和Shanno(BFGS)的拟牛顿优化算法为基础,在神经网络的训练过程中引入两个含有不同参数的拟牛顿校正公式并行的确定搜索方向,通过不精确搜索法求取最优步长,最后根据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。控制器采用神经网络递推多步预测、自补偿式在线闭环反馈校正以及迭代学习求解进行优化的方法。Matlab仿真结果验证了该方法的有效性。