第33卷第1期 2010年6月
上海船舶运输科学研究所学报 JOURNALOFSSSRI
文章编号：1674-5949(2010)01-0001-08
Vol. 33 No. 1 Jun.2010
基于动态BP算法的非线性系统预测控制
韩冰
（上海船舶运榆科学研究所研究开发中心，上海200135）
摘要：以包含滞后环节的非线性系统为对象，提出一种增加动态特性的动态BP(BackPropagation)学习算法。该差梯度对其进行修正，实现了对滞后系统的建模和延迟时间的辨识。进面将该算法与神经网络自适应控制器相结
合，提出了一种基于神经网络模型的预测控制结构。仿真结果证明了方法的有效性。关键调：系统辨识，预测控制；BP算法；滞后
中图分类号：TP13
文献标志码：A
NonlinearSystemPredictiveControlBasedonaNovel
Dynamic Back Propagation Algorithm
HANBing
(Research and Development Center,Shanghai Ship and Shipping Research Institute,
Shanghai200135，China)
Abstract: A novel dynamic BP algorithm for identifying nonlinear systems with time delay is presented Adaptive time delay pa-rameters are introduced into the first hidden layer and the output layer of normal BP model. The gradient descent method helps in model identification and time delay estimation. Combining the Algorithm with the adaptive controller, a new predictive con-trol structure based on neural model is suggested. The simulation proves the effectiveness of the method
Key words: system identification;predictive control; BP algorithm; time delay 0引言
对包含滞后系统的控制问题，预测控制是经常采用的控制方法。经过数十年的发展，线性系统的预测控制在理论上已经非常成熟，而非线性系统的控制理论越来越受到广泛关注。常用的预测控制方法，如动态矩阵控制0)、状态反馈预测控制2}、广义预测控制(3)等，其设计关键是建立滞后对象的系统模型，进而设计系统的控制率。
目前，现有针对滞后系统的预测控制方法大都是建立在对被控对象模型已知或部分已知基础上的，而被控对象的延迟时间作为滞后系统的关键参数一直是预测控制系统设计中不可缺少的重要因素。因此，滞后系统的延迟时间参数辨识也一直是实现模型未知滞后系统控制的重要内容。针对这一问题，陆燕， Balestrinols)等人提出了基于感知机神经网络进行延迟参数辨识的方法。虽然这些方法受到网络参数和辨识对象的限制，不能获得稳定的结果，但为滞后系统延迟时间参数的辨识提供了新的思路。任雪梅等[6扩展了延迟自由神经网络的思想，提出了能对一类滞后系统进行有效的延迟参数估计的神经网络，并给出了稳定
收稿日期：2010-03-01
作者简介：韩冰(1981-)，男，吉林省吉林市人，助理研究员，工学博士，主要从事预测控制和动力定位研究工作。万方数据