Research on RBF neural network direct generalized predictive control for multiple nonlinear system
多变量非线性系统RBF直接广义预测研究

为了避免Diophantine方程求解和矩阵求逆运算，提高广义预测控制算法的实时性，对一类参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制（GPC）算法。该算法将多变量非线性系统转换为多变量时变线性系统，然后利用径向基神经网络来逼近控制增量，对控制器参数向量，即网络权值中的未知向量基于跟踪误差进行自适应调整。理论证明，该方法可使跟踪误差收敛到原点的一个小邻域内。仿真结果验证了此算法的有效性。