神經(jīng)網(wǎng)絡(luò)逆動態(tài)控制作為神經(jīng)網(wǎng)絡(luò)控制領(lǐng)域中一種重要的控制方法，通過建立對象的逆動態(tài)模型從而實現(xiàn)對象輸出完全跟蹤給定輸入的理想控制策略，已廣泛應(yīng)用于機器人等系統(tǒng)控制中?；诙嗖筋A測、滾動優(yōu)化與在線校正策略的預測控制具有很強的適應(yīng)性和魯棒性，它能夠根據(jù)被控對象未來時刻的期望輸出值和預測輸出值來確定一個較為優(yōu)化的控制序列。又由于被控對象的日趨復雜，因此利用神經(jīng)網(wǎng)絡(luò)對連續(xù)非線性函數(shù)的任意精度逼近特性對其實現(xiàn)預測控制是一種必然趨勢。
把預測控制的思想和神經(jīng)網(wǎng)絡(luò)逆動態(tài)控制的思想結(jié)合起來，用多步預測性能指標函數(shù)去訓練神經(jīng)網(wǎng)絡(luò)逆動態(tài)控制器的權(quán)值［1］，使整個系統(tǒng)具有預測控制的特點，比通常的神經(jīng)網(wǎng)絡(luò)逆動態(tài)控制有快得多的響應(yīng)速度，有更好的響應(yīng)性能。在對被控對象建模的問題上，可以采用一個神經(jīng)網(wǎng)絡(luò)或多個神經(jīng)網(wǎng)絡(luò)，即遞推多步預測和直接多步預測。遞推多步預測的缺點是由于系統(tǒng)辨識模型不可避免地存在誤差，在遞推多步預測中誤差會隨著遞推過程被放大，特別對于具有較大滯后的動態(tài)非線性系統(tǒng)更為明顯［2］。本文采用直接多步預測作為預測模型，并與遞推多步預測進行比較。
文獻［3］采用泰勒展開方法分別對上述兩種方法進行誤差分析，得出在兩步預測情況下，直接多步預測比遞推多步預測誤差小，并可推廣至多步情況下。本文對在遞推多步預測及直接多步預測下的逆動態(tài)控制方法進行仿真，結(jié)果表明，直接多步預測控制較遞推多步預測更準確。