NARX神经网络驱动的非线性多步预测模型：李会军与秦霖天的研究

本篇论文深入探讨了"一种基于NARX神经网络的非线性多步预测模型"，由李会军和秦霖天两位学者共同完成。这项研究工作受到了高等学校博士学科点专项科研基金的资助，发表在中国科技论文在线上。文章聚焦于工业过程中的非线性对象，NARX神经网络作为一种动态神经网络结构在其中发挥了关键作用。 NARX（Nonlinear Auto-Regressive with Exogenous Input）神经网络是研究的核心，它特别适用于处理复杂系统中非线性的动态关系。该模型的主要目标是设计一个能有效预测非线性系统未来输出的模型预测控制器。作者强调了神经网络作为非线性建模工具的卓越性能，特别是在工程实践中的广泛应用。 论文首先介绍了神经网络的基本分类，即动态和静态网络的区别，然后着重提出了基于动态NARX神经网络的非线性多步预测模型。这种模型的结构设计旨在捕捉系统内部的复杂动态行为，从而提高预测的准确性。 论文还涵盖了模型的结构辨识方法，这是构建有效预测模型的关键步骤，它确保了模型能够适应系统的实际特性。通过仿真验证，研究结果证实了这种模型在预测非线性系统未来输出方面的优越性能，为后续设计非线性多步预测控制器提供了强有力的支持。 关键词揭示了论文的核心关注点，包括模型预测控制、预测模型、递归神经网络、NARX神经网络以及模型辨识，这些都是理解文章核心理论和技术的基础。论文的中图分类号TP30115进一步明确了其在控制科学和技术领域的定位。 这篇论文不仅深化了我们对NARX神经网络在非线性预测模型中的应用理解，也为实际工业控制系统的优化设计提供了一种新的有效工具。对于从事控制理论、神经网络或模型预测控制领域的研究人员来说，这是一篇重要的参考文献。