一种基于机器学习的模型预测控制参数的整定方法

摘要

本发明公开了一种基于机器学习的模型预测控制参数的整定方法，属于机械学习领域。本发明包括：1)确定BP神经网络的结构；2)选取一系列控制参数作为BP神经网络训练样本的输出数据；3)将控制参数输入到机器人的模型预测控制器中，采集路径跟踪实验中对应的性能指标，作为BP神经网络训练样本的输入数据；4)利用训练样本训练BP神经网络；5)将设定的性能指标作为BP神经网络的输入，进行输出，得到控制参数，实现模型控制参数的整定；6)将整定的控制参数输入到机器人的模型预测控制器中，采集路径跟踪实验产生的性能指标，与预设的性能指标对比，判断整定的控制参数是否满足要求。本发明在参数整定的快速性和有效性上得到了显著提升。