基于动态函数连接神经网络的自适应逆控制系统辨识研究

自适应逆控制将系统扰动消除和动态响应性能独立分开控制,其性能的优劣取决于系统对象、逆对象及逆控制器模型辨识精度的高低。文中提出用动态函数连接神经网络来实现自适应逆控制系统对象、逆对象的同时在线建模和逆控制器的离线建模,并将模型参数的辨识转化为空间参数寻优。针对混沌初始化对已收敛种群结构的破坏性,提出用变参数混沌粒子群优化算法对神经网络权值进行全局寻优,通过仿真实验可以看出基于动态函数连接神经网络的建模误差小,辨识精度高;与当前的参考模型自适应控制方法进行对比分析,所提方法能取得较好的扰动消除效果,并能使系统的跟踪响应性能得到提高,从而验证了方法的有效性、可行性。     

Hénon混沌同步的自适应逆控制

基于自适应逆控制原理,在噪声存在的情况下,提出了一种实现混沌同步的自适应逆控制方法.为此首先简要介绍了控制方法结构,然后利用神经网络算法对被控对象模型进行辨识和训练发送端的控制器.仿真证明该方法能够很好的消除干扰,使得被噪声污染的混沌同步系统能够保持良好的同步.此外自适应逆控制是开环控制,具有很好的实施性.     

基于神经网络的运动控制系统算法研究

文章研究了神经网络控制算法在运动控制系统中的应用,以典型的运动控制系统为例,基于神经网络内模自适应控制方法设计速度环控制器。采用递归神经网络的ANNI用于充分逼近被控对象的动态模型,前向反馈神经网络ANNC用作控制器,在网络拓扑结构的设计及训练算法的选择上,进行探讨,提供了解决方法并获得了一些有意义的结论。实时仿真结果表明了基于神经网络的控制系统有很强的自适应能力和抗负载扰动能力,在系统的性能上优于传统的控制算法,为类似运动控制系统的设计与研究提供了新的方法。     

基于自适应逆的鲁棒容错飞行控制方法研究

研究飞行安全控制问题,可采用动态逆与神经网络模型参考自适应控制理论相结合,对飞机纵向自适应鲁棒容错飞行控制律进行设计,同时采用改进的粒子群算法优化神经网络参数,提高了自适应算法的效率.控制策略采用内-外环的控制结构,内控制回路以逆控制消除系统的非线性性和输出耦合;外控制回路基于模型参考自适应控制的思想,利用改进粒子群优化的神经网络设计前向自适应控制器,以消除逆控制的建模误差和对参数变化敏感的缺点,可使系统获得较好的动态性能和较强的鲁棒性.仿真结果表明采用的自适应鲁棒容错飞行控制方法有效抑制了操纵面故障,消除了对飞行任务的不良影响,保证了安全性能.     

基于模型完全动态延时逆的内模控制方法

针对常规内模控制中存在的缺点,提出了一种基于模型完全动态延时逆的内模控制方法,采用神经网络自适应滤波器对内部模型和完全动态延时逆进行在线学习和控制,取消低通滤波器的设计,以逆的延时时间的调整来提高系统的鲁棒稳定性,并把内模控制器的动态响应和扰动消除控制分开进行。理论分析和仿真实验表明,此方法对系统输入信号的跟踪响应具有很高的稳态精度和动态控制品质,对对象的扰动消除具有很好的效果,是一种新型、具有鲁棒稳定性的内模控制方法。     

非线性伺服电动机的神经网络逆控制

伺服电动机由于存在接触过程的非线性、温漂等非线性因素的影响,很难建立其精确的数学模型,使得基于数学模型的控制困难.针对伺服电动机存在的非线性问题,提出了一种新颖的基于BP神经网络直接逆控制方法.首先,利用BP神经网络建立系统的正向模型(NNI),然后,设计基于神经网络的直接逆控制器(NNC),实现了对伺服电动机的自适应控制.在Lyapunov稳定性分析的基础上,给出了BP算法学习算子的选择方案,保证神经网络权值训练的快速收敛,同时,对训练BP神经网络控制器的专用算法(specialized learning)进行改进,利用NNI的输出求取权值调整的灵敏度函数.数字仿真结果表明提出的控制算法是简单有效的.     

基于高阶滑模观测器的自适应时变滑模再入姿态控制

针对再入飞行器鲁棒姿态控制问题, 提出一种基于高阶滑模观测器的自适应时变滑模控制器设计方法. 首先, 设计了一种时变滑模面, 并在此基础上推导了相应的时变滑模控制律, 其中滑模控制中切换增益通过一种自适应算法获得, 消除了控制器设计过程中对系统不确定性上界已知的要求; 然后, 利用高阶滑模观测器对控制器设计过程中用到的姿态角导数信息进行观测, 同时能够获得系统扰动估计值, 从而构造一种基于观测器的控制器形式; 最后, 通过仿真验证了所提出的控制算法在提高再入飞行器姿态控制精度以及系统鲁棒性方面的有效性.     

一类非线性离散系统自适应准滑模控制

针对一般非线性离散时间系统的不确定性和扰动抑制问题, 提出一种新的自适应准滑模控制算法. 算法包括两部分, 其一是基于紧格式动态线性化模型的自适应准滑模控制器设计, 其中动态线性化方法中“伪偏导数”的估计算法仅依赖于系统I/O 实时量测值. 其二是采用径向基神经网络估计器来估计系统的综合不确定性. 理论分析证明了系统的BIBO稳定性. 仿真结果验证了所提算法的有效性.     

基于扰动补偿的无微分模型参考自适应控制系统设计

针对一类含有参数不确定性和未知非线性扰动的系统,本文提出一种基于扰动补偿的无微分模型参考自适应控制方法,实现系统输出对参考模型输出信号的高精度跟踪.首先,利用被控对象模型信息设计扰动估计器,对系统非线性扰动进行在线估计;其次,基于非线性扰动估计值设计参考模型和无微分参数更新律,构建无微分模型参考自适应控制器,建立基于扰动补偿和状态反馈的自适应控制律,以消除参数不确定性和非线性扰动对系统输出的影响,保证系统输出对参考模型输出的准确跟踪;然后,给出闭环系统误差信号收敛条件和控制器参数整定方法;最后,通过数值仿真验证所提方法的有效性和优越性.     

集成神经网络与自适应算法的分数阶滑模控制

针对被控对象的参数时变和外部扰动问题,本文融合神经网络的万能逼近能力和自适应控制技术,并结合分数阶微积分理论,提出了基于神经网络和自适应控制算法的分数阶滑模控制策略.本文采用等效控制的方法设计滑模控制律,并利用神经网络的万能逼近能力估测控制律的变化,结合自适应控制算法和分数阶微积分理论抑制传统滑模控制系统的抖震,同时根据Lyapunov稳定性理论分析了系统的稳定性,最后给出了实验结果.实验结果表明,本文提出的基于神经网络和自适应控制算法的分数阶滑模控制系统,能保持滑模控制器对系统外部扰动和参数变化鲁棒性的同时,也能有效地抑制抖震,使得系统获得较高的控制性能.