非线性时滞过程控得稳
相比传统MPC，该方法利用深度神经网络进行非线性动态预测，并采用三目标函数及多阶段权重优化，显著改善了大时滞非线性系统的控制性能和输出稳定性。
Xiaoming, Wang · Zhang, Chaobo · 刘乙奇 · Liang, Xiaojun · 杨超 · 桂卫华
IEEE Transactions on Industrial Informatics 2025
采用扩张卷积与循环神经网络构建预测器，有效捕捉系统非线性特性，突破了传统MPC在线性模型下的局限性。
通过三目标函数与多阶段权重优化方法，在提升控制性能的同时确保输出稳定性，避免了单一目标下的振荡或超调。
自适应梯度下降方法加速了最优控制信号的求解过程，缩短在线计算时间，提升实时性。
在数值仿真和工业回转窑案例中均证实了控制性能、系统稳定性和响应精度的显著提升。