基于深度学习的鲁棒非线性模型预测控制方法

作     者：孙京诰 陈显锋 李郅辰 SUN Jing-gao;CHEN Xian-feng;LI Zhi-chen

作者机构：华东理工大学信息科学与工程学院上海200237 

基　　金：国家自然科学青年基金项目(61803159) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2022年第43卷第6期

页      码：1762-1767页

摘      要：为降低鲁棒非线性模型预测控制方法中优化问题的实时求解难度,提出一种基于深度学习的近似鲁棒控制器方法。利用复杂的鲁棒非线性模型预测控制算法作为训练数据的生成器,以当前时刻的过程状态作为网络的输入,复杂控制算法计算的最优控制输入作为网络的输出,基于深度神经网络学习复杂的非线性模型预测控制策略。通过一个工业半间歇聚合反应器模型案例验证了所提方法的有效性,深层网络与浅层网络相比具有更好的效果。

主 题 词：非线性模型预测控制 深度学习 鲁棒控制器 神经网络 半间歇聚合反应器 

学科分类：08[工学] 0835[0835] 0802[工学-机械学] 080201[080201] 

D　O　I：10.16208/j.issn1000-7024.2022.06.034

馆 藏 号：203112409...