基于RBF神经网络的迟滞非线性模型预测控制

来源：电子测量技术杂志2021年第23期北京时间：

作者：王亚锋，安坤，孟江

单位：1. 中北大学电气与控制工程学院 太原 030051; 2. 中北大学机械工程学院 太原 030051

摘要：压电执行器具有响应快、质量比大、刚度高等特点，在纳米技术领域得到了广泛的应用。迟滞特性作为一种固有的非线性特性，极大地影响了迟滞控制的性能。本文提出了一种非线性模型预测控制(NMPC)方法来解决压电执行器的位移跟踪问题。首先，利用RBF神经网络实现了压电执行器的“外源输入非线性自回归移动平均” (NARMAX)模型；其次，利用NMPC原理将跟踪控制问题转化为优化问题，然后采用梯度下降算法求解。为验证所提出的建模和控制方法的有效性，并进行了MATLAB与COMSOL仿真实验。结果表明，所提出的RBF预测模型具有令人满意的精度，NMPC方法跟踪所得期望位移与实际位移绝对误差值最大达到0.016um，平均绝对误差达到0.0121um，具有较高的精度。

关键词：神经网络;迟滞建模;非线性预测控制;MATLAB

基金资助：国家自然科学基金项目(61774138)、山西省面上自然科学基金项目(201801D121184)资助