多目标粒子群优化的非线性预测解耦策略北大核心CSCD |
| |
引用本文: | 戴永彬.多目标粒子群优化的非线性预测解耦策略北大核心CSCD[J].控制工程,2016(9):1356-1360. |
| |
作者姓名: | 戴永彬 |
| |
作者单位: | 1.辽宁工业大学软件学院121001; |
| |
基金项目: | 辽宁省自然科学基金项目(2013020036) |
| |
摘 要: | 针对非线性预测控制中,系统建模和目标函数求解的问题,提出了一种基于粒子群优化的非线性预测控制策略(PSO-NPC)。首先,将时间因素引入到即时学习算法中,提高了基于即时算法的最小二乘支持向量机(LS-SVM)对非线性系统的建模精度。其次,针对单目标优化的常规PSO-NPC算法不足之处,将系统的第一步预测和最后一步预测输出作为主要优化目标,提出了多目标粒子群优化的非线性预测算法。最后,将目标函数中的误差权重作为粒子群优化的目标,根据系统耦合程度自适应调整误差权重,消除了系统回路之间耦合。仿真结果验证了改进算法的可行性和有效性。
|
关 键 词: | 粒子群 非线性预测 最小二乘支持向量机 解耦控制 |
本文献已被 维普 等数据库收录! |
|