论文部分内容阅读
针对具有时延的非线性系统提出了一种基于神经网络模型直接优化的预测控制.该方法利用递阶遗传算法(HGA)通过对一批实际输入输出数据训练,得到对象的离线神经网络模型(NN模型);对该模型进行多步递推得到对象预测模型.在线控制时,将误差修正引入性能函数以减少静差及由于时变、模型失配对系统造成的影响.仿真实验表明由它所构成系统均具有很好的动态响应和较强的鲁棒性.