基于BP神经网络的迭代学习初始控制策略研究  

Research of initial iterative learning control strategy based on BP neural network

作　　者：郝晓弘[1] 段晓燕[1] 李恒杰[1] 

机构地区：[1]兰州理工大学电气工程与信息工程学院,兰州730050

出　　处：《计算机应用》2009年第4期1025-1027,1031,共4页journal of Computer Applications

基　　金：甘肃省自然科学基金资助项目(3ZS042-B25-012);甘肃省国际合作项目(0708WCGA1145)

摘　　要：针对传统迭代学习控制(ILC)在面临新的环境或控制任务时学习时间长、收敛速度慢的问题,提出基于BP神经网络的迭代学习初始控制策略。通过BP神经网络拟和经验数据,对以往控制经验加以充分利用,避免了对初始控制输入量的盲目选择。仿真验证了方法的可行性和有效性。In order to avoid the blend choice of the initial control input in Iterative Learning Control （ILC） when the control system faced a new desired trajectory-tracked task or a new environment, an improved algorithm was proposed to obtain the initial value of the iterative learning control based on Back Propagation （BP） neural network. Desired control input of iterative learning control was estimated by BP neural network incorporated experience database. The simulation results show that the algorithm is feasible and effective.

关 键 词：迭代学习控制 BP神经网络 经验数据库 初始控制 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]