基于混沌神经网络模型的模糊预测控制及应用

摘要

由于混沌时间序列内部确定的规律性,其重构出混沌吸引子的相空间具有高精度短期预测性。为此,本文根据非线性、大时滞系统的时间序列及所得的Lyapunov指数规律,计算出系统的饱和嵌入维数和可预报尺度。并以此为指导,采用混沌神经网络重构混沌时间序列相空间,该混沌神经网络即便在网络输入不完整或发生变异的情况下,仍能对系统作高精度预测。在此基础上,又将预测模型与模糊控制相结合,提出了一种新型的模糊预测控制决策,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在单元机组负荷控制中,仿真表明该控制具有实时性、容错性和鲁棒性。