Resumen

Se propone un método de control predictivo de modelo (MPC) basado en una red neuronal de retropropagación recursiva (RBP) y algoritmo genético (GA) para una clase de sistemas no lineales con retardos temporales e incertidumbres. En la etapa de modelado offline, se diseña un predictor de múltiples pasos adelante con una red neuronal GA-RBP, donde se utiliza una red neuronal GA-BP como modelo de predicción de un paso y GA se emplea para entrenar los pesos iniciales y el sesgo de la red neuronal BP. La incorporación de GA en RBP puede reducir la posibilidad de que la red neuronal BP caiga en un óptimo local en lugar de alcanzar la optimización global. En la etapa de optimización en línea, se proponen un predictor de múltiples pasos adelante con red neuronal GA-RBP y un método de descenso de gradiente mejorado (IGDM) para resolver eficientemente el problema de optimización en línea de MPC no lineal minimizando un criterio cuadrático modificado. La estrategia de MPC diseñada puede evitar la pérd

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Control predictivo basado en modelo; Red neuronal de retropropagación recursiva; Algoritmo genético; Retardos en el tiempo; Incertidumbres; Sistemas no lineales
• Keywords:Model predictive control; Recursive backpropagation neural network; Genetic algorithm; Time delays; Uncertainties; Nonlinear systems