基于L-M算法的神经预测控制初值问题研究

Research on Initial Value of Neural Predictive Control Based on L-M Algorithms

下载PDF

导出

摘要针对神经网络预测控制因滚动优化算法初始值选择不当而降低控制性能的问题,提出一种通过粒子群算法对初始值进行动态选取的方法。通过RBF神经网络建立预测模型,使用L-M算法滚动优化求解控制量,利用PSO算法的全局快速收敛能力动态确定L-M算法初始值,通过滚动优化的目标函数可获取粒子适应度值,实现初始值动态更新,并对权重系数λ进行实时修正。Matlab仿真实验结果表明所提方法能够解决初值选取问题,同时改善了控制系统的性能与可靠性。

作者许鹏李绍铭 XU Peng;LI Shaoming

机构地区安徽工业大学电气与信息工程学院

出处《荆楚理工学院学报》 2019年第2期18-24,共7页 Journal of Jingchu University of Technology

关键词模型预测 RBF L-M算法粒子群算法初始值

分类号 TP13 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献9

1席裕庚著..预测控制[M].北京:国防工业出版社,2013:287.
2戴文战,娄海川,杨爱萍.非线性系统神经网络预测控制研究进展[J].控制理论与应用,2009,26(5):521-530. 被引量：52
3王炳萱,李国勇,王艳晖.基于LM-PSO算法和BP神经网络的非线性预测控制[J].太原理工大学学报,2016,47(2):207-211. 被引量：7
4刘金琨著..RBF神经网络自适应控制MATLAB仿真[M].北京:清华大学出版社,2014:320.
5宫赤坤,闫雪.基于RBF神经网络的预测控制[J].上海理工大学学报,2005,27(5):421-424. 被引量：13
6张日东,王树青.基于神经网络的非线性系统多步预测控制[J].控制与决策,2005,20(3):332-336. 被引量：28
7张昭昭,乔俊飞,余文.基于LM算法的在线自适应RBF网结构优化算法[J].控制与决策,2017,32(7):1247-1252. 被引量：11
8高异,杨延西,刘军.模糊遗传滚动优化的LS-SVM预测控制研究[J].系统仿真学报,2007,19(6):1277-1280. 被引量：11
9樊兆峰,马小平,邵晓根.神经网络预测控制局部优化初值确定方法[J].控制理论与应用,2014,31(6):741-747. 被引量：11

二级参考文献162

1栾秀春,李士勇.基于局部神经网络模型的过热汽温多模型预测控制的研究[J].中国电机工程学报,2004,24(8):190-195. 被引量：22
2王雷,陈宗海,张海涛,秦廷.复杂过程对象混合建模策略的研究[J].系统仿真学报,2004,16(8):1794-1796. 被引量：5
3王雪松,程玉虎.一种基于时间差分算法的神经网络预测控制系统[J].信息与控制,2004,33(5):531-535. 被引量：6
4窦春霞.采用炉膛辐射信号的锅炉燃烧系统模糊神经网络预测控制的仿真研究[J].仪器仪表学报,2004,25(4):445-447. 被引量：6
5王钰,郭其一,李维刚.基于改进BP神经网络的预测模型及其应用[J].计算机测量与控制,2005,13(1):39-42. 被引量：87
6魏东,张明廉,支谨.神经网络非线性预测优化控制及仿真研究[J].系统仿真学报,2005,17(3):697-700. 被引量：18
7张日东,王树青.基于神经网络的非线性系统多步预测控制[J].控制与决策,2005,20(3):332-336. 被引量：28
8黄德先,金以慧,张杰,MORRIS Julian.基于小波网络模型的EPI过程的控制和优化[J].控制工程,2005,12(4):357-360. 被引量：1
9周德云,佟明安,陈新海.一种新的鲁棒自适应广义预测控制算法及鲁棒性分析[J].西北工业大学学报,1995,13(3):365-372. 被引量：7
10魏海坤,宋文忠,李奇.非线性系统RBF网在线建模的资源优化网络方法[J].自动化学报,2005,31(6):970-974. 被引量：6

共引文献118

1何兆伟,葛冰,徐利杰,李平岐.基于权衡空间探索的多约束弹道初值确定方法[J].宇航总体技术,2021(3):15-20. 被引量：3
2沈艳霞,程永奇,纪志成.基于多步预测神经网络的异步电动机控制器设计[J].微特电机,2006,34(12):34-36. 被引量：2
3陆冬娜,杨马英.基于RBF神经网络的非线性模型预测控制[J].浙江工业大学学报,2007,35(2):123-126. 被引量：9
4代正梅,田建艳.神经网络预测控制综述[J].科技情报开发与经济,2007,17(15):155-157. 被引量：3
5冯冬青,李玮,费敏锐,陈铁军.间歇过程模糊预测学习控制器的设计与仿真[J].系统仿真学报,2007,19(13):3018-3021. 被引量：1
6张雨虹,刘玉民,张一杨.基于黄金分割法的RBF神经网络预测控制[J].唐山学院学报,2007,20(4):77-78. 被引量：2
7李明河,王晓瑜.非线性预测控制在塞棒伺服系统中的应用[J].控制工程,2007,14(5):479-481. 被引量：2
8牛玉山,陈志旺,邓成玉,刘文远.未建模误差补偿Elman网络直接广义预测控制[J].计算机工程与应用,2008,44(17):122-124. 被引量：1
9龚固丰,章兢,王炼红.基于克隆选择的免疫预测控制方法[J].湖南大学学报（自然科学版）,2008,35(6):36-40. 被引量：7
10刘福才,张彦柳,潘江华,吴惕华.基于改进遗传算法的非线性系统模糊辨识新方法[J].计算机与应用化学,2008,25(7):881-884.

1财政部国际财经中心.环球时讯[J].中国财政,2019,0(2):84-84.
2刘晓萌.基于B/S的影院在线选座设计[J].电脑知识与技术,2018,14(12):64-65.
3刘力.探讨机械设计制造及其自动化的发展方向[J].风景名胜,2019,0(4):277-277.
4滕逸龙,汪涛,钟淮,熊敏.基于动态区间预测的车辆管理系统设计[J].信息技术与标准化,2019(3):40-42.
5吴甲武,邱晓燕,潘胤吉,肖建康.基于改进鸡群算法的电动汽车有序充电策略研究[J].电测与仪表,2019,56(9):97-103. 被引量：21
6曹裕捷,张彬桥.混合智能算法的多目标无功优化方法[J].三峡大学学报（自然科学版）,2019,41(1):81-86. 被引量：4
7徐杰,陈璞,赵婷,曾铮.新能源汽车的开关磁阻电机神经网络预测控制[J].电力电子技术,2019,53(4):40-43. 被引量：4
8宋丽,张震雷,杨新凯.一种基于云模型的特征选择参数优化研究[J].计算机技术与发展,2019,29(3):93-96. 被引量：1
9韩晓德,晏金松,黄悦.乡村幼儿教师培训需求研究与实践——以河南省实验幼儿园参与“国培计划”为例[J].河南教育（幼教）,2019,0(6):22-25.
10马汉杰,撖奥洋,张智晟.基于动态决策实时修正的家庭能量管理系统环境适应型调度方案研究[J].电力需求侧管理,2019,21(3):42-46. 被引量：2

荆楚理工学院学报

2019年第2期

浏览历史

内容加载中请稍等...

基于L-M算法的神经预测控制初值问题研究

参考文献9

二级参考文献162

共引文献118

相关作者

相关机构

相关主题

浏览历史