系统建模在工业过程控制、预测、优化等各个领域都具有非常重要的作用,由于实际的工业过程对象往往呈现了复杂的动态非线性特征,传统方法难以有效地对这些系统进行建模,而神经网络建模方法对此具有很大优势。论文深入研究了 NARX动态神经网络,并针对其存在的问题进行了改进;基于改进的NARX神经网络对非线性动态过程进行建模,并将其应用于预测控制方案中。论文主要的研究内容和取得的成果如下:(1)提出了改进的果蝇算法。首先将果蝇算法与其它群体智能算法进行了实验对比,并测试了果蝇算法各参数对其优化性能的影响,进而提出改进的果蝇算法,实验验证了改进的果蝇算法性能获得了提高。(2)将改进的果蝇算法与列文伯格-马夸尔特(LM)算法结合,建立了 IFOALM算法,将其应用到NARX神经网络中,避免了因随机赋予初始权值造成的收敛速度慢等问题,提高了网络收敛效果;针对非线性动态系统,给出了基于改进的NARX神经网络系统建模方法;通过数值和过程实例验证了方法的有效性。(3)面向预测控制应用,基于改进的NARX神经网络建立了多步预测模型,采用黄金比例搜索算法进行滚动优化,同时利用预测误差进行反馈校正,实现神经网络预测控制方法。分别进行了数值实例和pH中和过程的仿真,结果表明基于IFOALM-NARX神经网络的预测控制方法可以对系统进行有效的控制。