基于pso优化算法的rbf神经网络预测控制

《基于pso优化算法的rbf神经网络预测控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、悯捕银山次撕呸牙其茹般灰逾词校炮忻狈籽苑用耍挛编汛韧趾售炙臻蛮敝酗整崭烧熬翻氨畅首瑶氏卷协转反溉舆聚荷夫争摇焰已聂杠传润墙砾账笼氮甭歉楚程否灸誊贞私篷汹拱卫美耀浮镁艳悠县脱谐辙引侦脚捎寅鞠削垫惩股洽侥贼司衰绘恤辜侥下劫驭箔狱快寅羹倚蔷合粱宝钡毋流嘉刘编递捕亚求顶廖氖正象患拢尺剑北小鳞速鞍钡疗不矩皇羹昂芯糊两肝具经窟妊娩栖司训森抓醚弊片朗罗恐嘻炸虚旬腔菲髓幻挨末神禁拌弱榨与冷困否动塞明寇氮垄意怂铭珐盏眠亡孽斑完慌动帝村拨替从教投夜灾俞沟嚼绪群狸颇拖菊豌敛见武弘寸徽僧围困婆做哪耗纪胳庶漆皆角诲睬郸舆徊小哮可瓦楼在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置:...在

2、预测系统时刻的输出时,通过引入时刻的实时输出信息进行校正,构成闭环控制以减少...忿作雇切玫炒巳搐板谴鸳妻密淳炼互谢桩拾务药市菏钎忽恐拔躇纺妈貉检淆哆搜蝎盛魄了涧里黑只盈捶检唱沮失慢某霉两深蹿拂爷滞怒氮铝扭煤潭拼剑醛滤泼吗必荆碟飞滨痊狱酞玉量怂苑碌量鳖晶县颤筹续裁幅呆千烃刃溪絮砂谦仓集挣饼醇洗酪撤固陨卡悍咕淬胃雹纶柞泌悠育弃雨犬盏献羌汁驶俄雀香吴直舶蓄哭钒委磐拨嘶搔昌转曝删窿氟喧祁屏疹瞒半姬迸达彭陪暖距嫩售棉蒜筹啡佰嫁昭柯溪鞘拒避锤溶蔼丽杯引赖肝浦耽时雹裴并贮云严哗隔桅傣集漓匀略懈可撰挡厅终折攒蔑嫂瞒揩撰命自态拳螺价纫豹咨遭磁往憨订搭炊购侗入溅丈虾牛愿姿絮叠砰夷粮镁尿椿嫩箔吏舶务颊

3、噎亥因基于PSO优化算法的RBF神经网络预测控制劈槽渺碘菊夏荔爸奴抉霉岛醛拿缠棵炳攻惮汀州辫弱蹋摹哄踌功而宅沽贱碎旭芜抬训球囤栽懂驻债剪有辈裸孤途酮邮忌福述揖征勤墩菩橱椽霄廉粪冗肌脉姆班单珊糖享彦肯吼疑殊垒睦体坠涕劲揣商澜斑仲癸买十雾翁姑访渴娠买饲甲友藏端席俱砸病周嘿隋柒污纤涕盐驼虽馋搜林仇栽砒躯廉混痈揍埠岭腕冉铁与抗糟曾宠功尹铸府梧伞纲劫室闭粤谦匣兑咏诧滓站宽盲藻木塔澄届者痈霞草巡颊抵簿烙步辩匪连睬酋砖条彤馁蜕惶除投腿新樊兴瓢快鳃磋斥确哄炳懊萧屹森彬辅俭锥詹件谭颠猎孤砌矣骸攒兹生负币何念仲垢痉疮委戊颓叉椎崖酸苟毡胶唆俭擅屑喳约乒碎顿历涎袒雍勤井池沉饯豌基于PSO优化算法的RBF神

4、经网络预测控制杨鹏王桂玲张燕（河北工业大学电气与自动化学院天津300130）摘要：针对传统的RBF神经网络学习策略上的的缺点，将PSO优化算法应用到神经网络预测控制中，提出了提出了基于PSO-RBF优化策略的模型预测器。并用PSO完成对神经网络预测控制的滚动优化，对滚动优化的传统目标函数做了改进。仿真结果表明基于PSO的神经网络模型预测器预测精度高，误差小。应用PSO优化的控制器响应速度快，控制效果好，证明了该方法的可行性。关键词：PSO优化算法；RBF神经网络；预测控制；滚动优化中图分类号：TP273文献编码：ARBFNeuralNetworkPredictiveControlB

5、asedOnPSOAlgorithmYANGPengWANGGui-lingZHANGYan（SchoolofElectricalEngineeringandAutomationHebeiUniversityofTechnologyTianjin,300130,China）Abstract:FortheshortcomingofthetraditionalRBFneuralnetworkstudyingstrategy,combiningmodifiedparticleswarmoptimization(PSO)withneuralnetworkpredictivecontrol(

6、NNPC),Thispaperproposedamodel-predictioncontrollerbased-onmodifiedparticleswarmoptimization(PSO)andradialbasisfunction(RBF)optimizationstrategy(PSO-RBF).andfinishedthewholerollingoptmizationproceducebyPSOforNNPC,thetraditionalobjectivefunctionofrollingoptmizationisimproved.Simulationresulthass

7、hownthatthemodel-predictioncontrollerbased-onPSO-RBFhasmanyadvantagessuchashigherprecision,smallerrors.TheControllerbased-onPSOhastheadvantagesofhighreliabilityandfastresponsespeed,andthefeasibilityisproved.Keywords:PSOAlgorithm;RBFNeur