摘要：该文利用预测误差的历史数据,基于改进的BP神经网络,对系统的建模误差进行预测.该网络采用了修正激励函数的BP算法,预测性能好,能够克服标准BP算法中Sigmoid函数的不足,加快了网络的学习速度.并将其与模型预测相结合构成广义预测控制算法,有效地克服了模型失配的影响,提高了控制的速度,同时引入控制增量增益,利用这个自由度来提高闭环的稳定鲁棒性.仿真结果表明了该算法的有效性.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社