论文部分内容阅读
对一种可分非线性系统，采用Hammerstein模型的基本框架，用神经网络对非线性部分建模，线性部分采用受控自回归积分滑动平均模型。对此模型的线性部分设计广义预测控制器，得出线性部分的控制量。根据此控制量。引入一逆神经网络，结合原来的神经网络模型，通过对逆神经网络权值的调整，使神经网络模型的输出为线性部分的控制量，同时得到逆神经网络的输出，即非线性系统的控制量。文章提出的模型克服了Hammerstein模型中非线性部分的反函数存在性和唯一性的问题。仿真结果验证了该设计的有效性。