南开大学自动化系, 天津300071
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P ID 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.
张 燕, 陈增强, 袁著祉.基于Taylor 逼近的非线性系统P ID 型多步预测控制[J].控制与决策,2004,19(4):448-451