[发明专利]一种基于非线性系统的神经网络预测控制器

权利要求书

1.一种基于非线性系统的神经网络预测控制器，其特征在于，该控制器包括预测模型、滚动优化以及反馈校正三部分，其实现方法：首先，选用神经网络对非线性系统的动态过程进行建模，通过调节神经网络的权值阈值来逼近该非线性系统的动态过程；然后，通过智能控制中的预测控制方法，基于建立的神经网络预测模型来实现预测控制，采用Levenberg-Marquardt算法来滚动优化，由逆神经网络完成算法的初始值选取；根据实际测量输出与预测输出的比较实现反馈校正；具体步骤包括：

S1：初始化系统参数；

S2：得到反馈校正参考输入值；

S3：运用逆神经网络求解初始值；

S4：根据Levenberg-Marquardt迭代公式求解最优控制量；

S5：将得到的最优控制量用于非线性系统进行控制。

2.根据权利要求1所述的一种基于非线性系统的神经网络预测控制器，其特征在于，所述预测模型包含神经网络预测模型及逆神经网络模型两个神经网络结构，由输入层、隐含层及输出层组成；

输入层包括：输入向量、输入权值矩阵和输入层偏置向量；

隐含层包括：神经元激活函数，均采用sigmoid函数；

输出层包括：输出向量、输出权值矩阵和输出层偏置向量；输出层的神经元激活函数采用purelin函数。

3.根据权利要求2所述的一种基于非线性系统的神经网络预测控制器，其特征在于，所述神经网络预测模型的输入向量为：

ρ＝[y(k),y(k-1),…,y(k-n_y+1),u(k),u(k-1),…,u(k-n_u+1)]，

输出向量为：

y(k+1)＝f[y(k),y(k-1),…,y(k-n_y+1),u(k),u(k-1),…,u(k-n_u+1)]；

所述逆神经网络模型的输入向量为：

输出向量为：

u_r(k)＝g[u(k-1),…,u(k-n_u+1),y(k),y(k-1),…,y(k-n_y+1)]，

其中，函数g表示函数f的逆非线性映射关系；[u(k),y(k)]表示在时刻k和n_u≤n_y上单输入单输出系统的输入输出样本数据对，y(k),…,y(k-n_y+1)分别表示非线性系统的在第k,…,k-n_y+1时刻的输出值；n_u，n_y分别为模型的延迟阶数，输入向量的个数为n_y+n_u。

4.根据权利要求3所述的一种基于非线性系统的神经网络预测控制器，其特征在于，滚动优化的目标函数为：

其中，d表示预测步数，Q和R为对称正定矩阵，||·||_Q与||·||_R都是L2范数形式，定义为y_r(k+i)、y_p(k+i)分别为k+i时刻的参考输出值和预测输出值，u(k+i)是k+i时刻的控制量。