基于深度学习的非线性广义预测控制

来源：信息与控制杂志2023年第2期北京时间：

作者：李旭生, 牛宏, 陶金梅

摘要：针对一类离散时间单输入-单输出(single-input single-output，SISO)非线性动态系统，将非线性切换控制与基于深度学习的未建模动态估计方法相结合，提出了一种新的非线性广义预测控制方法。该方法针对未建模动态的未知增量，通过使用基于深度学习技术的长短记忆神经网络(long short-term memory，LSTM)进行预估，设计了一种带有未建模动态增量估计的非线性广义预测控制器，增强控制性能。对所提的控制算法进行了稳定性和收敛性分析，最后通过数值仿真实验验证了所提方法的有效性。

关键词：深度学习, 长短记忆神经网络(LSTM), 未建模动态, 非线性系统, 广义预测控制