论文部分内容阅读
基于局部递归神经网络对非线性系统进行递归多步向前预测,将系统实际多步向前预测值按泰勒公式在其递归预测值上展开,实现对非线性系统多步预测输出值的二次逼近,减少了预测误差.进而通过对PID型多步预测性能指标函数极小化求取控制量.控制器与广义预测控制器结构相似,其参数通过神经网络在线辨识获得.仿真实验表明了该方法的有效性.