基于TSA多变量非线性RBF神经网络预测控制
为了解决现在有的非线性预测控制方法在线实时求解非线性方法的困难,提出一种基于TSA的多变量非线性RBF神经网络预测控制算法.该算法采用多个RBF神经网络建立非线性系统的过程模型,并作为预测模型.采用树和种子算法(TSA)在线搜索非线性预测控制系统的最优控制律,避免了直接递推控制律时解决复杂的非线性优化问题.CSTR过程的仿真对比结果验证了该算法的跟踪性能和抗干扰能力.
多变量RBF神经网络、预测控制、TSA、非线性优化、CSTR
26
TP13(自动化基础理论)
国家自然科学基金61673199;辽宁省自然科学基金20180550905;辽宁省教育厅科学研究一般项目L2016024;辽宁省自然基金资助项目2019-KF-03-05
2019-10-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
1655-1660