论文部分内容阅读
针对一类多输入多输出非线性被控对象，利用前向神经网络逼近原系统的逆系统，将其作为控制器，采用预测滚动优化性能指标训练该神经网络逆控制器，以克服干扰和不确定性影响，实现对多变量非线性对象的解耦控制。对某微型锅炉对象进行了控制算法仿真，结果表明，所提出的控制方法能够克服模型误差的影响，实现稳定解耦控制，且易于实现。在仿真过程中通过实验方法建立该锅炉对象的神经网络预测模型，并注意采用泛化方法采集训练样本数据和训练神经网络，以提高神经网络模型的泛化能力。