[发明专利]一种基于改进极限学习机的非线性逆模型控制方法

摘要

本发明公开了一种基于改进极限学习机的非线性系统逆模型控制方法，该方法，包括步骤包括如下步骤MAPSO种群初始化，设置MAPSO的相关运行参数。对ELM参数(输入权重及隐含层阈值)进行MAPSO寻优，确定合适的ELM参数；利用MAPSO‑ELM对非线性离散被控对象的逆进行直接建模将训练好的MAPSO‑ELM逆模型直接与原系统复合实现非线性系统的逆模型控制，结束。有效提高其预测精度和泛化能力。将改进的极限学习机(MAPSO‑ELM)直接运用于非线性系统逆模型控制中，可有效解决非线性系统逆模型建模难及传统逆模型控制方法过学习、训练速度慢、易陷入局部最优值等问题。

主权项

一种基于改进极限学习机的非线性逆模型控制方法，其特征在于，包括以下步骤：101、对多Agent粒子群算法MAPSO进行种群初始化，即设置多Agent粒子群算法MAPSO的相关运行参数、种群规模、环境大小、迭代次数、权重上下限；102、根据步骤101，利用MAPSO对极限学习机的输入权重参数及隐含层阈值参数进行MAPSO寻优，确定出优化后的极限学习机ELM的输入权重参数及隐含层阈值参数；103、根据步骤102中得到的优化后的极限学习机ELM，采用优化后的极限学习机ELM对被控对象的逆进行训练并直接建立逆模型104、将训练好的MAPSO‑ELM逆模型直接与原系统即被控对象相连，得到伪线性系统，进行非线性逆模型控制，进行非线性逆模型控制的步骤具体为：首先设置循环次数，当循环次数小于设定值时，对参考模型输入参考输入yrout(k)，并计算当前的控制信号uctr(k)；然后计算系统的预测输出yout(k+1)，及误差e(k+1)＝yrout(k+1)‑yout(k+1)；最后将误差值带入计算修正MAPSO‑ELM逆模型控制器，重复上述步骤直至循环次数达到设定值，结束。