基于神经元自增长消减的双神经网络预测控制

针对模型预测控制算法进行改进,提出了一种基于神经元自增长消减的双神经网络模型预测控制方法,利用可变结构的径向基神经网络精确逼近被控系统模型。变结构神经网络根据实际情况进行隐层神经元的自增长消减,可解决神经元个数难以确定的问题,在保证逼近精度的同时能够简化神经网络结构、减小计算量。针对现有滚动优化算法的局限性,在目标函数中的权重因子和初始参数选取方面做出改进,结合自适应权值方法引入逆神经网络结构确定初始值,解决了优化算法易陷入局部最优的问题。利用李雅普诺夫稳定性理论验证了改进算法的稳定性,并通过实验证明了所改进算法的有效性。