1. 研究目的与意义（文献综述）

二十世纪八十年代中期以来，人工神经网络以其独特的有点引起了人们的极大关注，对于控制界，神经网络的吸引力在于：能够充分逼近复杂的非线性映射关系；能够学习和适应不确定系统的动态特性；所有定量或者定性的信息都分布储存于网络的各个神经元，所以有较强的鲁棒性和容错性；用并行分布处理的方法，使得进行快速大量运算成为可能。这些特点显示了神经网络在解决高度非线性和严重不确定系统的建模与控制方面的巨大潜力。可以断定，把神经网络引入控制系统是控制科学发展的必然趋势，神经网络的这些特点使得基于神经网络的预测控制算法得到迅速发张，将神经网络与预测控制相结合为解决复杂非线性系统控制问题提供了新的方法。

近年来基于神经网络的预测控制理论上及应用上均取得了很大进展，出现了多种实用的方法，在复杂工业过程控制中取得了许多成功的应用。而本论文中的RBF网络在逼近能力，分类能力和学习速率等方面均优于BP网络，是在高维空间进行差值的一种技术，在预测控制中的应用也取得了很好的效果。

2. 研究的基本内容与方案

基本内容：

1. 研究径向基函数网络的原理，以及预测控制的原理；

2. 针对某种实际应用对象如流程工业生产过程，研究基于rbf网络的预测控制方法。
3. 对预测控制进行仿真实现。

目标：

3. 研究计划与安排

1 ~ 3 周：调研、查阅资料、结合毕业设计任务书，确定总体方案，完成开题报告。

4 ~ 6 周：数学rbf和预测控制、设计总体框架；翻译英文资料。

7 ~ 12周：完成基于rbf网络的预测控制策略的设计与实现

13~15周：撰写并完善论文。

4. 参考文献（12篇以上）

1.基于改进RBF蝶式太阳集热器出口气流温度预测
2.神经网络预测控制中的滚动优化方法研究
3.基于径向基函数神经网络动态补偿的增压锅炉汽包水位多模型预测控制
4.基于神经网络的焦炉温度预测控制方法研究
5.基于神经网络的预测控制方法研究
6.神经网络预测控制中的滚动优化方法研究_樊兆峰
7.The No-Prop algorithm : a new learning algorithm for multilayer neural networks.neural networkd,2013,37:182-188
8.BeeRBF: A bee-inspired data clustering approach to design RBF neural network classifiers
9.A novel optimization algorithm based on epsilon constraint-RBF neural network for tuning PID controller in decoupled HVAC system
10.A Discrete-Time VS Controller based on RBF Neural Networks for PMSM Drives
11.前馈神经网络及其应用 邢红杰，哈明虎 著 科学出版社
12.人工神经网络算法研究及应用 田景文 高美娟著 北京理工大学出版社
13.基函数神经网络及应用 邹阿金 张雨浓 著 中山大学出版社

14.MATLAB神经网络编程 张德丰编著 化学工业出版社

15.Study on PID Controller Based on Fuzzy RBF Neural Network in Rolling Mill Hydraulic AGC System