基于Davidon最小二乘法的神经网络内模控制

为了将内模控制推广至非线性控制领域 ,本文将其与神经网络相结合 ,利用神经网络对任意非线性映射的逼近能力推导出一种能对非线性系统进行有效控制的神经网络内模控制器。在网络学习算法上采用收敛速度较快的 Davidon最小二乘法训练多层前馈神经网络 ,从而保证控制方案的实时性。仿真结果表明了该方法的有效性。