基于L-M算法的神经预测控制初值问题研究

摘要：针对神经网络预测控制因滚动优化算法初始值选择不当而降低控制性能的问题,提出一种通过粒子群算法对初始值进行动态选取的方法。通过RBF神经网络建立预测模型,使用L-M算法滚动优化求解控制量,利用PSO算法的全局快速收敛能力动态确定L-M算法初始值,通过滚动优化的目标函数可获取粒子适应度值,实现初始值动态更新,并对权重系数λ进行实时修正。Matlab仿真实验结果表明所提方法能够解决初值选取问题,同时改善了控制系统的性能与可靠性。