针对非线性系统采用常规PID控制效果不佳的问题，通过径向基函数(RBF)神经网络构建系统的辨识器，推导了辨识器输出关于RBF神经网络参数的梯度及二阶导数矩阵。采用直接极小化指标函数自适应算法，实现RBF神经网络的输出权和节点中心及节点基宽参数的在线学习算法。基于增量式预测滤波PID控制，应用最速下降法对增量式预测滤波PID控制参数进行在线优化，提出基于RBF神经网络在线整定参数的预测滤波PID控制算法。仿真研究表明，因算法具有在线整定参数和预测控制性能，故具有良好的动、静态性能。
科研之友
微信
新浪微博
Facebook
分享链接
