摘 要
在详细介绍了广义预测控制算法院立即总数了国内外神经网络在广义预测控制的应用研究现状的基础上，本文重点研究了计算量小，收敛速度快，无局部极小的径向基函数神经网络及其在广义预测控制中的应用。首先，针对广义预测控制在线计算两大，不适用于非线性对象等缺点，提出了基于径向基函数神经网络的直接广义预测控制算法，并从数学角度对该算法的收敛性作了较为深入的分析，在理论上证明了该算法是稳定的，且控制性能指标能够收敛到所期望的最优特性。然后，结合中值定理和三次样条插值函数将该算法由但变量线性系统推广到单变量非线性系统，多变量线性系统和多变量非线性系统三种系统中，并分别证明了该算法在这三种系统中的收敛性及稳定性。最后，对四种系统分别进行了Matlab仿真并对仿真结构进行分析，验证了所提出的算法。
关键词 径向基函数神经网络;最佳逼近;广义预测控制:多变量系统;非线 性 ; 收 敛 性
目 录
文 摘
英文文摘
声明
第1章 绪论
1.1 课题的研究背景
1.2 智能控制的发展概述
1.3 广义预测控制研究进展
1.4 神经网络在广义预测控制中的应用
1.5 课题主要研究内容及结构安排
第2章 广义预测控制算法原理分析
2.1 多步输出预测及Diophantine方程的递推解
2.1.1 多步导前输出预测
2.1.2 Diophantine方程的递推解
2.1.3 多步输出预测
2.2 最优控制律计算
2.3 本章小结
第3章 RBF网络直接广义预测控制
3.1 RBF网络理论
3.2 RBF网络的函数逼近理论
3.3 单变量线性系统RBF网络直接广义预测控制
3.3.1 对象模型
3.3.2 控制器设计
3.3.3 收敛性分析
3.3.4 计算机控制器算法
3.4 单变量非线性系统RBF网络直接广义预测控制
3.4.1 对象模型
3.4.2 控制器设计
3.4.3 收敛性分析
3.4.4 计算机控制器算法
3.5 本章小结
第4章 多变量系统RBF网络直接广义预测控制
4.1 多变量线性系统RBF网络直接广义预测控制
4.1.1 对象模型
4.1.2 控制器设计
4.1.3 收敛性证明
4.1.4 计算机控制器算法
4.2 多变量非线性系统RBF网络直接广义预测控制
4.2.1 对象模型
4.2.2 控制器设计
4.2.3 收敛性证明
4.2.4 计算机控制器算法
4.3 本章小结
第5章 仿真实验
5.1 单变量线性系统仿真
5.2 单变量非线性系统仿真
5.3 多变量线性系统仿真
5.4 多变量非线性系统仿真
5.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
作者简介
您可能感兴趣的文档
