1、神經(jīng)網(wǎng)絡由于具有逼近任意非線性函數(shù)的能力，使得其在非線性系統(tǒng)的預測控制中受到日益廣泛的重視，取得了許多成果。本學位論文在前人研究的基礎上，對非線性系統(tǒng)的神經(jīng)網(wǎng)絡預測控制算法進行了較為深入的研究，取得了系列研究成果，已發(fā)表和待發(fā)表學術論文五篇，其中四篇論文已被EI收錄。本文的主要研究工作概括如下：
　　 (1)系統(tǒng)地分析了非線性系統(tǒng)神經(jīng)網(wǎng)絡預測控制系統(tǒng)中的模型選取、控制器優(yōu)化、控制系統(tǒng)結構設計方法以及收斂性理論等研究現(xiàn)狀，分析了非

2、線性系統(tǒng)神經(jīng)網(wǎng)絡預測控制算法存在的問題和今后的研究方向。
　　 (2)討論了RBF神經(jīng)網(wǎng)絡的批處理學習算法和在線學習算法。分別對這兩類典型算法進行了理論分析和仿真研究，為本文預測建模學習算法的選擇提供了理論依據(jù)。
　　 (3)提出了一種基于動態(tài)搜索區(qū)間的黃金分割數(shù)值優(yōu)化方法，分析了黃金分割法的收斂性。與基于神經(jīng)網(wǎng)絡求解優(yōu)化控制的算法相比，具有較好的控制性能。
　　 (4)基于最優(yōu)保留自適應遺傳算法(EPAGA)，

3、提出了一種新的RBF神經(jīng)網(wǎng)絡預測優(yōu)化控制算法。該算法綜合了最優(yōu)保留和自適應的思想，使優(yōu)化控制器具有快速性、全局收斂性的的優(yōu)點，仿真結果證明了其具有很好的優(yōu)化控制性能。
　　 (5)綜合動態(tài)矩陣優(yōu)化控制與神經(jīng)網(wǎng)絡建模思想，提出了一種基于RBF神經(jīng)網(wǎng)絡的改進型動態(tài)矩陣控制算法，實現(xiàn)了對一類非線性時變系統(tǒng)CSTR模型的控制，仿真表明控制效果好。
　　 (6)以實驗室非線性三容水箱液位為被控對象，開發(fā)了現(xiàn)場總線控制系統(tǒng)軟硬件實驗