混沌系统的神经网络预测控制

提出一种基于预测控制的神经网络控制方法,将模型未知时的混沌运动控制到不稳定的不动点(UFP)处。该控制系统不需要UFP的位置及其局部性态等知识,它包括观测器、带反馈校正的神经网络在线预测器和在线训练的神经网络控制器。其方法简便,收敛速度比现有同类方法快得多。同时还分析了控制系统的稳定性,并证明了神经网络控制器的收敛性。理论推导和仿真结果都表明了该方法的有效性。