论文部分内容阅读
提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型，在辨识过程中使用粒子群算法（PSO）对改进BP网络的初始权值／偏置、学习率、动量系数等辨识参数进行学习优化，解决这些参数的取值问题；然后将辨识得到的模型用于隐式广义预测自校正控制中，使用遗传算法（GA）对控制过程进行优化，寻找最优的控制参数（预测时域、控制时域、控制加权系数、柔化系数）。将该方法应用在热工系统中，仿真结果表明了方法的有效性。