共查询到19条相似文献,搜索用时 46 毫秒
1.
2.
非线性系统的多神经网络自学习控制 总被引:3,自引:0,他引:3
本文提出了一种未知非线性动力学系统的多网络自学习控制方法。通过对系统的神经元网络辨识器和神经元网络控制器的有机结合,发展了基于逆动力学辨识器的控制网络广义Delta学习规则,从而使得整个控制系统具有很强的自、自学习能力。文中最后通过对系统进行的仿真研究证实了这种控制结构的有效性,仿真例子说明经过100个周期学习后,其系统的跟踪误差控制在1%以内。 相似文献
3.
4.
1引言 在Wiener开创控制论的伊始,就将控制、信息和神经科学作为一个共同的课题。后,控制学科、计算科学和神经生理学趋于分开发展。自从80年代初期以来,神经网络有了长的进步,在人工智能和 相似文献
5.
利用神经网络作为非线性系统的模型,研究了一类非线性系统的神经网络自适应控制问题,设计出的自适应控制器具有如下的特点:(1)网络仅值是基于参考误差信号学习的投影算法来调节,这样可保证权值的有界性;(2)为了减小神经网络参数估计误差对跟踪误差的影响,提出了根据参考误差信号实时修正神经网络输入的方法。仿真结果对该控制方案进行了验证。 相似文献
6.
7.
针对一类具有特殊模型的非线性系统本文提出了一种新型神经网络预测控制算法。该算法利用线性系统预测控制技术和神经网络的非线性映射及并行处理能力来求实际控制量,避免了解非线性方程和非线性预测控制所需的在线数值寻优计算,减少了计算量和计算时间。仿真结果表明了该算法的何效性。 相似文献
8.
基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。 相似文献
9.
10.
11.
研究了一类采样数据非线性系统的动态神经网络稳定自适应控制方法.不同于静态神经网络自适应控制,动态神经网络自适应控制中神经网络用于逼近整个采样数据非线性系统,而不是动态系统中的非线性分量.系统的控制律由神经网络系统的动态逆、自适应补偿项和神经变结构鲁棒控制项组成.神经变结构控制用于保证系统的全局稳定性,并加速动态神经网络系统的适近速度.证明了动态神经网络自适应控制系统的稳定性,并得到了动态神经网络系统的学习算法.仿真研究表明,基于动态神经网络的非线性系统稳定自适应控制方法较基于静态神经网络的自适应方法具有更好的性能. 相似文献
12.
本文针对一类具有未知非线性函数和未知虚拟系数非线性函数的二阶非线性系统 ,提出了一种基于神经网络的稳定自适应输出跟踪控制方法 .用李雅普诺夫稳定性分析方法证明了本文的神经网络自适应控制器能够使受控系统稳定 ,并使输出跟踪误差随时间趋于无穷而收敛到零 .仿真算例证明了该算法的有效性 相似文献
13.
14.
一类非线性不确定系统的神经网络控制 总被引:3,自引:0,他引:3
针对一类非线性不确定系统,提出了一种自适
应神经网络控制方案.被控系统是部分已知的,其中系统已知的动态特性被用来设计保证标
称模型稳定的反馈控制器,而基于神经网络的动态补偿器则用于补偿系统的非线性不确定性
,从而可以保证系统输出跟踪误差渐近收敛于0. 相似文献
15.
16.
17.
18.
基于神经网络的酵母流加发酵过程最优重复控制新方法 总被引:1,自引:0,他引:1
本文提出了基于神经网络的酵母流加发酵过程最优重复控制的两种新方法,方法1 采用状态反馈控制律,用误差反传法学习过程和控制器神经网络参数。方法2 采用直接最优控制律,用误差反传法学习过程神经网络参数和控制作用,两种方法都具有很强的自适应能力,在控制方案实施时,采用了动态重复控制方式,使得本文控制方法具有类似于预测控制的优点,鲁棒性好,将其用于醇母流加发酵过程的优化控制,仿真结果令人满意,实验证明按最优流加轨线操作,可使产率提高26%,糖蜜消耗减少4%,本文方法为那些用传统方法难以建模的生化过程的优化控制提供了一条新途径。 相似文献