一种基于深度学习重构显式模型预测控制方法
公开
摘要
本发明公开一种基于深度学习重构显式模型预测控制方法，包含：步骤1)将显式模型预测控制重新优化表述为多参数二次规划问题；步骤2)数据的收集及深度神经网络的搭建；步骤3)训练搭建完成的深度神经网络；步骤4)验证深度神经网络的可行性；步骤5)重构显式模型预测控制；步骤6)重构后的参数优化。本发明集成了深度学习模型和显式模型预测控制，解决克服了传统模型预测控制计算资源需要高，计算时间长，保证了控制精度和预测准确率，提高了计算效率。
基本信息
专利标题 ：
一种基于深度学习重构显式模型预测控制方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114626509A
申请号 ：
CN202210313902.5
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张聚施超牛彦潘伟栋陈德臣
申请人 ：
杭州师范大学
申请人地址 ：
浙江省杭州市余杭区余杭塘路2318号
代理机构 ：
杭州君度专利代理事务所(特殊普通合伙)
代理人 ：
朱亚冠
优先权 ：
CN202210313902.5
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08 G06Q10/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
