基于动态邻域微粒群的Smith预估双控制器设计

针对模型未知时滞系统的预测补偿控制, 提出一种基于动态邻域拓扑微粒群算法以优化动态神经网络的参 数, 并将其作为预估器和辨识器应用于一种新的Smith 预估双控制器结构设计. 利用微粒群算法空间搜索能力指标, 动态建立邻域拓扑结构, 优化神经网络参数, 并将两者的组合模型应用于新的双控制器结构, 将负载扰动和定值控制 分开, 以提高Smith 预测补偿模型的控制精度和鲁棒性, 最后通过仿真验证了所提出方法的有效性.