基于粒子群优化的Elman神经网络无模型控制
针对一类无法建模或是建模过程比较复杂的离散SISO非线性离散系统,提出了一种基于Elman神经网络和粒子群优化算法的无模型控制方法。该控制方法是在无需知道被控对象动力学模型的情况下,以Elman神经网络作为控制器结构,利用粒子群优化算法在线学习控制器中的所有权值参数,既而得到每一离散时刻的最优控制量。仿真研究表明,该方法控制下的非线性系统输出信号具有较快的反应速度和较小的跟踪误差,同时控制量信号有较好的收敛性与控制精度,这说明了所提出的基于粒子群的Elman神经网络无模型控制方法是有效与合理的。
非线性系统、非线性离散系统、无模型控制、控制器、Elman神经网络、粒子群优化算法
11
TP18;TP301.6(自动化基础理论)
国家自然科学基金资助项目61174094;天津市自然科学基金资助项目14JCYBJC18700.
2016-04-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
49-54