不确定混沌系统的动态神经网络跟踪控制

针对不确定非线性混沌系统，提出了一种基于动态神经网络辨识器的自适应跟踪控制新方法，通过滑模控制技术在线调整动态神经网络辨识器权值，并在获取动态神经网络模型的基础上设计出优化控制器，实现混沌系统的轨道跟踪，对辨识误差和轨道跟踪误差进行分析并证明了它们的有界性，Lorenz混沌系统的仿真实验结果表明了控制策略的有效性。     

不确定混沌系统的差分进化小波神经网络控制

提出一种基于小生境自适应差分进化小波神经网络（NADE-WNN）的方法对不确定混沌系统进行控制。该方法利用小波神经网络学习未知模型混沌系统的动态特性并实施控制,为提高神经网络的学习精度和收敛速度,采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高网络的学习精度和全局收敛性。仿真实验结果表明,在有外部干扰和参数摄动的情况下,NADE-WNN仍能对不确定混沌系统进行有效控制,且网络结构、控制精度和收敛速度都优于传统神经网络。     

混沌系统的神经网络控制

提出一种利用神经网络控制系统混沌运动的新方法,并用该方法实现了Ｌｏｒｅｎｚ和Ｒｏｓｓｌｅｒ系统混沌运动控制,从而使系统由混沌运动状态转变为规则运动状态。仿真结果表明,该方法控制混沌系统响应速度快,控制精度高。     

不确定混沌系统的模糊自适应控制

根据动态系统的输入输出数据，研究不确定混沌系统的建模及控制问题。利用高斯模糊隶属函数和最小二乘法，提出一种新的不确定混沌系统的智能模糊建模及其自适应控制策略。理论分析和仿真结果表明，采用所提出的控制方法建模拟合精度高，控制响应速度快，且具有良好的鲁棒性。     

基于自适应神经网络的不确定混沌系统控制

针对不确定非线性混沌系统,提出一种基于动态神经网络建模的控制新方法.基于Lyapunov稳定性理论,推导出了神经网络权值在线学习规律,保证了系统的全局稳定性.在混沌建模阶段,神经网络用于学习不确定混沌系统,然后在所建模型的基础上,设计控制器将混沌状态引导到期望目标位置;并且对系统的稳定性能进行了严格的数学分析.把该方法应用到Logistic映射和Hénon 映射建模和控制,数值仿真表明该方法的有效性.     

混沌系统的混合遗传神经网络控制

在小扰动控制技术基础上,将暂态误差预测方法和遗传算法结合起来,提出了一种混合遗传神经网络控制非线性混沌系统的新方法(简称HyGANN).通过增强学习训练,HyGANN可产生控制混沌状态的小扰动时间序列信号,Henon映射的计算机仿真结果表明,它不仅有效镇定混沌周期1,2等低周期轨道,还可成功将高周期混轨道变成期望周期行为.     

混沌系统的神经网络预测控制

提出一种基于预测控制的神经网络控制方法，将模型未知时的混沌运动控制到不稳定的不动点（UFP）处，该控制系统不需要UFP的位置及其局性态等知识，它包括观测器、带反馈校正的神经网络在预测器和在线训练的神经网络控制器，其方法简便，收敛速度比现有同类方法快得多，同时还分析了控制系统的稳定性，并证明了神经网络控制器的收敛性，理论推导和仿真结果都表明了该方法的有效性。     

不确定机器人的自适应神经网络控制与学习

针对具有未知动态的电驱动机器人,研究其自适应神经网络控制与学习问题.首先,设计了稳定的自适应神经网络控制器,径向基函数(RBF)神经网络被用来逼近电驱动机器人的未知闭环系统动态,并根据李雅普诺夫稳定性理论推导了神经网络权值更新律.在对回归轨迹实现跟踪控制的过程中,闭环系统内部信号的部分持续激励(PE)条件得到满足.随着PE条件的满足,设计的自适应神经网络控制器被证明在稳定的跟踪控制过程中实现了电驱动机器人未知闭环系统动态的准确逼近.接着,使用学过的知识设计了新颖的学习控制器,实现了闭环系统稳定、改进了控制性能.最后,通过数字仿真验证了所提控制方法的正确性和有效性.     

不确定非线性系统神经网络自适应控制

针对一类不确定非线性系统,利用神经网络可逼近任意非线性函数的能力,以及误差滤波理论,提出了一种基于径向基神经网络的自适应控制器设计方案,以使非线性系统在存在不确定项或受到未知干扰时,其输出为期望输出.根据Lyapunov理论,给出了系统稳定的充分条件,并进行了详细证明.该设计方法能够保证跟踪误差收敛,从而进一步说明该控制器的有效性.最后,用Sumulink对设计方案进行仿真,仿真结果表明了其实用性.     

不确定非线性系统的直接自适应神经网络控制

为解决一类带干扰的不确定非线性系统中存在的两类未知项——未知函数和外界干扰,采用了直接自适应神经网络控制方法设计控制器。控制器设计中利用径向基函数神经网络良好的逼近性来近似未知函数,利用非线性衰减项来抑制干扰。所用方法结构简单、算法简洁,在一定条件下稳定性和收敛性能定性地得到保证。最后,仿真结果证明了该方法是正确的。     

Synchronization of Non-Identical Unknown Chaotic Delayed Neural Networks Based on Adaptive Sliding Mode Control

The synchronization problem is studied in this paper for non-identical chaotic neural networks with time delays and fully unknown parameters, where the mismatched parameters, activation functions and neural network architectures are taken into account. To overcome the difficulty that complete synchronization of non-identical chaotic neural networks cannot be achieved only by utilizing output feedback control, we design an adaptive sliding mode controller to realize the synchronization. Our synchronization criteria are easily verified and do not need to solve any linear matrix inequality. These results generalize a few previous known results and remove some restrictions on the parameters, activation functions and neural network architectures. This paper also presents an illustrative example and uses simulated results of this example to show the feasibility and effectiveness of the proposed scheme.     

直接自适应动态递归模糊神经网络控制及其应用

针对某些仿射非线性系统中各状态变量间呈微分关系的特点,本文提出仅取某些可测状态变量 作为动态递归模糊神经网络(dynamic recurrent fuzzy neural network, DRFNN) 的输入,而由DRFNN 的反馈矩阵 描述系统内部动态关系的直接自适应DRFNN 控制算法,克服了将系统所有变量作为输入的传统模糊神经网 络(traditioanl fuzzy neural network, TFNN) 因某些不可测状态变量所导致的不可实现问题．在电液伺服系统中的 应用结果表明：直接自适应DRFNN 控制算法相对于TFNN 控制算法对系统稳态特性的改善具有较大的优越 性．     

一类多变量非线性动态系统的模糊自适应控制

对一类非线性多变量未知动态系统，提出了一种模糊处在适应控制策略。证明了该控制算法能保证闭环系统稳定，跟踪误差收敛。     

具有未知参数的机器人-摄像机系统的自适应动态反馈跟踪控制

研究了不确定非完整移动机器人系统的跟踪问题.首先,基于视觉反馈和状态输入变换,展示了一种非完整移动机器人运动学系统的不确定链式模型.基于反步法思想和跟踪误差系统结构,给出了两个重要的新变换.然后运用李雅普诺夫直接方法和扩展巴巴拉引理设计了自适应控制律和动态反馈鲁棒控制器,以实现理想轨迹的跟踪控制.严格证明了闭环误差系统的渐近收敛性.最后,仿真结果证实了提出的控制策略有效.     

A Detailed Study of Adaptive Control of Chaotic Systems with Unknown Parameters

In this paper, we study the control of chaotic systems with unknown parameters. A stable adaptive control scheme is used to guarantee that the parameter estimator converges to stabilizing values such that the controlled chaotic system asymptotically approaches a reference point. A Lyapunov function approach is used to prove a global result which guarantees the stability of both controlled chaotic system and the adaptive parameter estimator. The center manifold theorem is used to prove the stability of the adaptive parameter estimator.To demonstrate the usefulness of this adaptive control of chaotic systems, computer simulation results are provided. We use Chua's circuit with cubic nonlinearity in our simulations. We provide the simulation results of control of Chua's circuit with 6 unknown parameters.     

Feedback-Linearization-Based Neural Adaptive Control for Unknown Nonaffine Nonlinear Discrete-Time Systems

A new feedback-linearization-based neural network (NN) adaptive control is proposed for unknown nonaffine nonlinear discrete-time systems. An equivalent model in affine-like form is first derived for the original nonaffine discrete-time systems as feedback linearization methods cannot be implemented for such systems. Then, feedback linearization adaptive control is implemented based on the affine-like equivalent model identified with neural networks. Pretraining is not required and the weights of the neural networks used in adaptive control are directly updated online based on the input–output measurement. The dead-zone technique is used to remove the requirement of persistence excitation during the adaptation. With the proposed neural network adaptive control, stability and performance of the closed-loop system are rigorously established. Illustrated examples are provided to validate the theoretical findings.      

基于模糊滑模的不确定混沌系统控制

提出了一种利用直接自适应模糊神经网络控制与模糊滑膜控制相结合来控制一类不确定非线性混沌系统的新方法。应用Takagi-Sugeno模糊逻辑系统设计系统控制律和参数在线调整规则,使控制系统能准确的跟踪给定信号,同时具有较强的抑制系统参数摄动的能力以及抑制随机噪声的能力。仿真实验结果表明,此算法有效地实现了不确定混沌系统的追踪控制,使系统的跟踪误差减小,提高了系统的鲁棒性,应用前景十分广阔。     

基于神经网络误差修正的混沌控制与同步

针对混沌系统非线性强、多变量耦合等特点,提出了一种基于神经网络误差修正的自适应多变量混沌系统的广义预测控制算法,用线性广义预测控制器控制混沌系统,用神经网络对模型预测误差进行修正。算法中辩识过程模型用递推最小二乘法(RLS)、神经网络权值用Davidon最小二乘法(DLS)训练。这种算法对被控混沌系统的先验知识要求较少,无需知道被控系统的精确模型,数值仿真显示可实现混沌系统的宽范围控制与同步。     

陈氏混沌系统的自适应同步控制

混沌同步问题的研究是混沌控制中的一个热点问题.文中利用自适应 H∞同步控制方法和非线性自适应同步方法,为参数相同的陈氏混沌系统设计了自适应同步控制器.根据Lyapunov稳定性原理,从理论上讨论并证明了陈氏混沌系统H∞自适应同步控制器和非线性自适应同步控制器的存在条件,并根据其存在条件进一步得到了陈氏混沌系统H∞自适应同步控制器和非线性自适应同步控制器的的构造方法,通过仿真数值计算的结果表明了这两种方法的有效性.