Suboptymalny algorytm regulacji predykcyjnej z modelami neuronowymi typu FIR

W pracy omówiono nieliniowy algorytm regulacji predykcyjnej wykorzystujący modele neuronowe typu FIR (ang. Finite Impulse Response). W algorytmie zastosowano modele bazujące na sieci perceptronowej. Przedstawiony algorytm jest efektywny obliczeniowo, ponieważ wymaga cyklicznego rozwiązywania zadania optymalizacji kwadratowej, co może być wykonane w czasie rzeczywistym. Algorytm cechuje się dużą dokładnością regulacji, porównywalną z algorytmami wymagającymi bieżącej nieliniowej optymalizacji.

---

This paper describes a suboptimal nonlinear Model Predictive Control (MPC) algorithm based on FIR (Finite Impulse Response) neural models. Multilayer Perceptron (MLP) neural network is used. The algorithm is computationally efficient because it results in a quadratic programming problem, which can be easily solved on-line by means of a numerically reliable software subroutine. The algorithm gives good closed-loop control performance, comparable to that obtained in the nonlinear MPC technique, which hinges on nonlinear optimisation.