基于CPSO-RBF神经网络算法的预测控制方法研究

作者：杨秋菊

来源：贵阳学院学报(自然科学版), 2021, 16(03): 13-17.

DOI：10.16856/j.cnki.52-1142/n.2021.03.004

• 预测控制
• 非线性系统
• 径向基函数神经网络
• 混沌粒子群算法

本研究在粒子群(PSO)算法中引入混沌思想构建出混沌粒子群算法(CPSO),提出基于CPSO改进的径向基函数(RBF)神经网络模型,以解决非线性控制问题。结果表明,模型的均方根误差RMSE与平均绝对误差AAE均明显优于其他算法,可高精度的辨识非线性系统;模型对节约药剂优势明显,超调量较小且可缩短调节时间,实现成本最低的效果,反映出本研究提出的模型的样本训练效果好,在整体上考虑了水流速与进口pH值,控制了系统的输入与扰动。

• 单位
  宿州职业技术学院