基于神经网络与加权平均算法的网络化预测控制方法技术

本发明专利技术公开了基于神经网络与加权平均算法的网络化预测控制方法，包括以下步骤：S1、建立初步的BP神经网络预测模型；S2、采用反馈校正操作对初步的BP神经网络预测模型进行校正；S3、采用在线调整操作对校正后的BP神经网络预测模型进行调整；S4、采用调整后的BP神经网络预测模型对控制器至执行器之间通过网络传输时产生的时延进行预测，得到预测结果；S5、使用加权平均算法对预测结果进行计算，得到输出值；S6、在控制器与执行器之间设置预估补偿器来对输出值进行补偿，然后将输出值输出到执行器。器。器。

Networked predictive control method based on neural network and weighted average algorithm

【技术实现步骤摘要】
基于神经网络与加权平均算法的网络化预测控制方法


[0001]本专利技术涉及网络控制领域，尤其涉及基于神经网络与加权平均算法的网络化预测控制方法。

技术介绍

[0002]网络化控制系统中，因网络带宽限制，会致使数据在传输过程中出现资源竞争、网络阻塞等一系列问题，这些现象最终会导致数据信息产生延迟传输的后果，即时延。时延现象的产生会使系统的性能降低，当达到一定值时甚至可能造成系统无法稳定运行。因此，越来越多的学者对网络化控制系统的时延问题进行深入研究。
[0003]目前，对系统时延问题的研究较多针对的是传感器至控制器间的预测与补偿，而位于控制器至执行器间的时延大小对系统稳定性的影响远大于传感器到控制器间时延的影响。因此，本专利技术研究重点在于控制器至执行器间产生的时延问题。文献“带有时延和丢包的变增益网络化预测控制”通过得到变增益预测控制下的控制器参数来补偿系统中出现的时变时延；文献“基于改进BP网络的网络控制系统建模与仿真”针对系统时延问题，采用了离线BP网络模型设计单步预测控制器，使系统整体运行速度快，但这两个文献中的技术方案计算工作量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络与加权平均算法的网络化预测控制方法，其特征在于：包括以下步骤：S1、建立初步的BP神经网络预测模型；S2、采用反馈校正操作对初步的BP神经网络预测模型进行校正；S3、采用在线调整操作对校正后的BP神经网络预测模型进行调整；S4、采用调整后的BP神经网络预测模型对控制器至执行器之间通过网络传输时产生的时延进行预测，得到预测结果；S5、使用加权平均算法对预测结果进行计算，得到输出值；S6、在控制器与执行器之间设置预估补偿器来对输出值进行补偿，然后将输出值输出到执行器。2.如权利要求1所述的基于神经网络与加权平均算法的网络化预测控制方法，其特征在于：所述步骤S1中，初步的BP神经网络预测模型的计算公式为：其中，输入层、隐含层以及输出层的节点数目分别为m、n和1；w
ij
和w
i
表示神经网络结构中不同层间的连接权值；函数g(
·
)为g(x)＝1/(1+e
‑
x
)，其为Sigmoid型激活函数。3.如权利要求2所述的基于神经网络与加权平均算法的网络化预测控制方法，其特征在于：所述步骤S2中，反馈校正操作的计算公式为：y...

【专利技术属性】
技术研发人员：杨蒙蒙，邓三星，杨慧慧，赵志峥，刘越奇，
申请(专利权)人：黄河交通学院，
类型：发明
国别省市：