非线性系统的神经网络鲁棒自适应跟踪控制

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,提出了一种神经网络鲁棒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内的所有信号均为有界.选择的神经网络权值调整规律可以防止自适应控制中的参数漂移.     

Pruning Based Robust Backpropagation Training Algorithm for RBF Network Tracking Controller

A pruning based robust backpropagation training algorithm is proposed for the online tuning of the Radial Basis Function(RBF) network tracking control system. The structure of the RBF network controller is derived using a filtered error approach. The proposed method in this paper begins with a relatively large network, and certain neural units of the RBF network are dropped by examining the estimation error increment. A complete convergence proof is provided in the presence of disturbance.     

鲁棒自适应控制器的一种实现方法

针对线性离散系统,建立了一种鲁棒直接自适应控制器,并通过对乘积摄动项△(q^-1)的实时辨识,实现了在线修改模型结构的算法。从而实现了一种自适应与鲁棒控制器真正结合的控制器设计方法。给出了在无需持续激励(PE)的条件下控制器的鲁棒稳定△(q^-1)辨识算法的稳定性的定理;讨论了摄动项△(q^-1)的取法和对模型修正方法。仿真结果表明了该方法的可行性。     

基于双权值神经网络的焊缝跟踪自适应控制设计

基于双权值神经网络设计了一个模型参考自适应控制系统,以实现焊缝跟踪的自适应控制.通过分析双权值神经网络控制器在最陡下降法训练下的收敛和稳定条件,保证系统达到稳定运行的状态.最后仿真实验证明,由于存在方向权值和核心权值双权值的调整,基于双权值神经网络的焊缝跟踪控制系统的性能远优于BP网络控制系统的性能,可以更好地实现焊缝的实时跟踪控制.     

基于神经网络的鲁棒自适应控制

考虑摩擦及外界干扰的情况下,针对具有不确定性参数的机器人系统,提出一种基于神经网络动态补偿的鲁棒自适应控制策略,采用神经网络在线补偿控制器以克服系统的外部扰动,未建模动力学部分等非参数不定性带来的影响,从而提高了系统的动态性能和稳态精度,并对闭环系统稳定性进行了证明,仿真结果表明,所提方法具有良好的跟踪性能和较强的鲁棒性。     

机械臂自适应鲁棒轨迹跟踪控制

针对具有外界干扰和不确定性的机械臂轨迹跟踪控制问题,提出了一种自适应鲁棒补偿控制算法,将计算转矩法用于系统标称模型,鲁棒控制用于消除系统不确定性的影响,并通过自适应算法自动调节不确定项,保证系统存在建模误差和外部干扰时的稳定性和动态性能。给出了具体的控制算法设计和系统稳定性、收敛性证明,最后通过仿真实验,表明系统具有跟踪误差快速收敛性以及良好的鲁棒性。     

Robust Adaptive Dead Zone Technology for Fault-Tolerant Control of Robot Manipulators Using Neural Networks

In this paper, a multi-layered feed-forward neural network is trained on-line by robust adaptive dead zone scheme to identify simulated faults occurring in the robot system and reconfigure the control law to prevent the tracking performance from deteriorating in the presence of system uncertainty. Consider the fact that system uncertainty can not be known a priori, the proposed robust adaptive dead zone scheme can estimate the upper bound of system uncertainty on line to ensure convergence of the training algorithm, in turn the stability of the control system. A discrete-time robust weight-tuning algorithm using the adaptive dead zone scheme is presented with a complete convergence proof. The effectiveness of the proposed methodology has been shown by simulations for a two-link robot manipulator.     

多变量自适应PID型神经网络控制器及其设计方法

提出一种PID型神经网络控制器（PID-like Neural Network Controller，PIDNNC）及其设计方法．基于PID的简单结构和良好性能优势以及神经网络的自调节和自适应的特长，创建一种具有PID结构的多变量自适应的PID型神经网络控制器．该网络控制器的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成．通过定义误差函数作为设计目标，采用弹性BP算法，并用变化率以及弹性BP算法中的符号法来处理某些求导关系，获得适于实时在线调整网络权值的修正公式．根据李亚普诺夫稳定性定理推导出确保控制系统稳定的学习速率的取值范围．最后通过实例进一步说明所提出网络控制器的优越性．     

基于神经网络的一类非线性系统的稳定自适应控制器设计方法*

针对一类非线性连续时间系统,其中非线性函数未知,提出了一种基于神经网络的稳定自适应控制方案,由于控制律的选择基于Ｌｙａｐｕｎｏｖ稳定性理论,因此,该控制方案不仅能够解决这类非线性系统的跟踪问题。     

A Novel Robust Pid Controller Design By Fuzzy Neural Network

In this paper, we propose a robust PID controller tuning method for parametric uncertainty systems (or interval plant family) using fuzzy neural networks (FNNs). This robust controller is based on robust gain and phase margin (GM/PM) specifications that satisfy user requirements. Here, the FNN system is used to identify the relation between the PID controller parameters and robust GM/PM. We can use the trained FNN system to determine the parameters of the PID controllers in order to satisfy robust GM/PM specifications that guarantee robustness and performance. Simulation results are shown to illustrate the effectiveness of the robust controller scheme.     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

非线性系统神经网络稳定自适应控制器的研究

提出一种利用神经网络逼近具有不确定性及随机干扰的仿射非线性系统新算法，采用自适应控制率在线调节网络权值，基于Ｈ∞控制选择控制量以削减噪声干扰，并从理论上证明了采用该算法后系统的全局稳定性。将该算法用于气动系统位置跟踪，仿真结果表明该算法具有跟踪精度高，收敛速度快的优点。     

一类非线性参数系统的鲁棒自适应控制

针对一类具有非线性参数和未知非线性的非线性系统, 提出了一种鲁棒自适应控制设计方法, 该方法能保证所有信号全局一致有界, 并且使所研究的非线性系统的范围大大扩大.     

一类具有不确定的互联大系统分散鲁棒输出跟踪控制器设计

针对一类具有不确定的互联大系统,研究了使受控系统鲁棒稳定和渐近跟踪参考输入的分散鲁棒跟踪控制器的设计问题,并对具有分散反馈控制器的闭环大系统,给出了其鲁棒稳定以及渐近跟踪的证明。     

A Neural Network Adaptive Controller for End-effector Tracking of Redundant Robot Manipulators

In this paper we propose a neural network adaptive controller to achieve end-effector tracking of redundant robot manipulators. The controller is designed in Cartesian space to overcome the problem of motion planning which is closely related to the inverse kinematics problem. The unknown model of the system is approximated by a decomposed structure neural network. Each neural network approximates a separate element of the dynamical model. These approximations are used to derive an adaptive stable control law. The parameter adaptation algorithm is derived from the stability study of the closed loop system using Lyapunov approach with intrinsic properties of robot manipulators. Two control strategies are considered. First, the aim of the controller is to achieve good tracking of the end-effector regardless the robot configurations. Second, the controller is improved using augmented space strategy to ensure minimum displacements of the joint positions of the robot. Simulation examples are also presented to verify the effectiveness of the proposed approach.     

基于神经网络的一类非线性系统自适应跟踪控制

提出一种非线性系统的自适应神经跟踪控制方案。通过利用RBF神经网络对未知非线性系统建模,并用一个滑模控制项消除网络建模误差和外部干扰的影响,从而能够保证闭环系统的全局稳定性和输出跟踪误差渐近收敛于零。     

RBFNN结合自适应边界的机器人手臂轨迹跟踪控制系统设计

针对机器人手臂动态模型中存在动态不确定性问题,提出一种结合径向基函数神经网络(RBFNN)和自适应边界控制的机械臂轨迹跟踪方法;利用RBF神经网络在线学习系统中现有的结构化和非结构化不确定性,近似补偿未知动态部分;利用自适应边界来估计非结构化不确定性上的未知边界和神经网络重建误差;通过加权矩阵产生的李雅普诺夫函数证明了该系统具有渐进稳定性;利用三自由度机械臂进行实验,结果表明,相比FFNN控制器,提出的控制器的跟踪误差改进了3～7倍,稳态误差改进了100～1 000倍.     

高速列车速度跟踪神经网络PID控制器的设计

高速列车速度跟踪控制系统是一个复杂的非线性系统,难以取得高精度的跟踪性能.为了减少速度跟踪误差,设计了高速列车神经网络PID控制器.首先建立了描述列车运行过程的单位移多质点模型,该模型考虑了列车的基本阻力和附加阻力以及车厢之间的相互作用力.然后阐述了BP神经网络PID控制,并设计了列车速度跟踪控制器,根据速度误差用神经...     

一种鲁棒神经网络自适应控制策略及其应用

针对具有外部干扰等不确定因素的离散未知非线性受控对象,提出了一种鲁棒神经网络自适应控制策略.该策略运用自适应预测及带遗忘因子的递推最小二乘参数估计的思想,对神经网络的预报输出进行修正,利用鲁棒反馈控制器保证系统稳定性,并对控制信号的增量进行限幅以抑制突变大幅值干扰信号对系统的影响.将提出的控制方法应用于实验室级液面系统的仿真中,结果表明了该控制策略的有效性.     

自适应模糊神经网络控制器设计的线性化方法

基于Ｔ－Ｓ模糊推理系统模型构造一个简化形式的Ｆｕｚｚｙ神经网络（ＦＮＮ），应用Ｓｔｏｎｅ－Ｗｅｉｅｒｓｔｒａｓｓ逼近定理证明了这种ＦＮＮ网络对非线性连续函数的全局逼近性质，并利用Ｃｌａｒｋｅ一步加权最优预报控制性能指标及前向ＦＮＮ网络辨识器模型的线性化思想，提出一种间接Ｆｕｚｚｙ神经网络自适应控制算法，仿真结果证实了该算法的有效性。