基于CPSO-RBF神经网络算法的预测控制方法研究

摘要

本研究在粒子群(PSO)算法中引入混沌思想构建出混沌粒子群算法(CPSO),提出基于CPSO改进的径向基函数(RBF)神经网络模型,以解决非线性控制问题.结果 表明,模型的均方根误差RMSE与平均绝对误差AAE均明显优于其他算法,可高精度的辨识非线性系统;模型对节约药剂优势明显,超调量较小且可缩短调节时间,实现成本最低的效果,反映出本研究提出的模型的样本训练效果好,在整体上考虑了水流速与进口pH值,控制了系统的输入与扰动.