一种基于神经网络的超稳定自适应控制算法

提出了一种用于控制复杂非线性系统的超稳定自适应控制算法。使用波波夫超稳定性原理设计控制器。用神经网络在线辨识系统的建模误差及不确定性因素，辨识结果作为补偿信号以实现系统的鲁棒控制。对一双输入双输出非线性系统的仿真结果表明，所提出的超稳定自适应控制算法具有较好的性能。     

基于最优控制的神经网络自适应飞行控制

针对非线性动态逆控制鲁棒性差的缺点,综合最优控制和神经网络控制,提出一种自适应非线性控制策略。首先采用非线性动态逆进行基本控制律设计,然后对由于建模误差或舵面故障等因素导致的动态逆误差,利用神经网络进行在线补偿,根据最优控制理论得到神经网络权值的自适应律,并基于Lyapunov直接法证明该自适应律的稳定性和收敛性。针对某飞机的仿真结果表明,在存在较大逆误差的情况下,所设计的控制系统具有良好的鲁棒性。     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

一种未知非线性系统的自适应神经网络控制方法

神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于神经网络具有学习能力和自适应性，使神经网络控制能对变化的环境有自适应性，且成为基本上不依赖于模型的一类控制，介绍了一种未知非线性系统的自适应神经网络控制方法。     

基于神经网络的模型参考自适应控制

将神经网络应用于模型参考自适应控制系统中,组成模型参考神经网络自适应控制系统.利用神经网络自身的优点来克服传统模型参考自适应控制算法的不足,使系统具有更强的鲁棒性和容错性.仿真结果表明,该系统与传统的模型参考自适应控制系统比较,不仅能实现原系统的功能,而且该系统的稳定性和抗干扰性优于原系统.     

基于神经网络的自适应控制应用现状及发展

通过神经网络与自适应控制的结合，提出了两种基于神经网络的自适应控制系统（MRAC和STC),主要从应用角度出发，介绍了神经网络自适应控制的研究现状及今后的发展，并与常规自适应控制进行比较，指出了利用神经网络的自身特点，应用于控制系统中的优越性和可行性。     

非线性系统的神经网络自适应控制

给出了神经网络自适应控制方法,利用神经网络解决无参数,无模型等未知特性的系统控制问题,设计出神经网络自适应控制器,并对倒立摆系统进行仿真,验证理论的有效性和优越性。     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...     

基于改进的模糊神经网络自适应控制

为了提高模糊神经网络的运行效率,针对一类离散时间非线性系统,提出了一种优化的模糊神经网络(fuzzy neural network,FNN)自适应控制方法.采用动量梯度下降算法改进模糊神经网络,设计模糊神经网络的参数调整迭代过程,在代价函数中加入正则项,实现参数的更新,提高网络收敛速度以及泛化能力,设计自适应动态控制方...     

一种不依赖状态估计的自适应输出反馈控制方法

研究了一种不依赖状态估计的自适应输出反馈控制方法。首先引入伪控制信号使系统反馈线性化，然后设计一个线性动态补偿器和在线神经网络，自适应消除不确定性和建模所引起的误差。对一含有末建模动态的非线性系统的仿真结果表明，该控制方法能够消除系统的稳态误差，提高系统动态性能，并且具有较好的鲁棒性。     

基于在线神经网络的自适应鲁棒飞行控制

一般的自适应神经网络,因为没有长期学习性与全局适应性,只能适应当前的瞬时状态,满足不了导弹高精度飞行的要求.基于李亚普诺夫稳定理论和神经网络的非线性函数的拟合特性,设计了具有背景学习功能的在线自适应神经网络鲁棒控制器.首先分析了逆误差产生的原因,然后用神经网络来补偿系统逆模型误差,并利用李亚普诺夫稳定性理论推导了在线网...     

基于神经网络的异步电动机直接转矩控制系统

直接转矩控制是继矢量控制变频技术后发展起来的一种新型具有高性能的交流变频调速技术。针对基于直接转矩控制的异步电动机运行时存在较大的电流及转矩脉动问题,提出了利用神经网络构造逆变器的开关状态选择器用于直接转矩控制,摒弃了滞环,系统实现更简单。仿真结果表明,该调速系统具有良好的动态性能,该设计是可行的。     

神经网络的自适应信号处理

信号处理是通信与信息学科中的一个重要研究领域。讨论了基于神经网络的自适应信号处理,并提出了一种用于优化滤波器的神经网络构造方法。利用Matlab的Simulink仿真器对其进行系统仿真,仿真结果和理论分析相一致,证实了神经网络应用于信号处理有着相当大的应用前景。     

Neural Network Based Adaptive Tracking of Nonlinear Multi-Agent System

In this paper, the problems of robust consensus tracking control for the second-order multi-agent system with uncertain model parameters and nonlinear disturbances are considered. An adaptive control strategy is proposed to smooth the agent’s trajectory, and the neural network is constructed to estimate the system’s unknown components. The consensus conditions are demonstrated for tracking a leader with nonlinear dynamics under an adaptive control algorithm in the absence of model uncertainties. Then, the results are extended to the system with unknown time-varying disturbances by applying the neural network estimation to compensating for the uncertain parts of the agents’ models. Update laws are designed based on the Lyapunov function terms to ensure the effectiveness of robust control. Finally, the theoretical results are verified by numerical simulations, and a comparative experiment is conducted, showing that the trajectories generated by the proposed method exhibit less oscillation and converge faster.     

基于模糊奇异摄动模型的直接型自适应控制器的设计

一大类非线性奇异摄动系统可以由模糊奇异摄动模型进行近似逼近,由于柔性模态的影响,对该类系统的控制比较困难.特别在被控对象数学模型未知时,很难获得模糊奇异摄动模型的规则后件参数.为解决此种情况下的模型跟踪控制问题,提出一种新型的基于模糊奇异摄动模型的直接型自适应控制器,该控制器的状态反馈增益能够在线自适应调整,不需要已知...     

一种递归模糊神经网络自适应控制方法

构造了一种递归模糊神经网络(RFNN),该RFNN利用递归神经网络实现模糊推理,并通过在网络的第一层添加了反馈连接,使网络具有了动态信息处理能力.基于所设计的RFNN,提出了一种自适应控制方案,在该控制方案中,采用了两个RFNN分别用于对被控对象进行辨识和控制.将所提出的自适应控制方案应用于交流伺服系统,并给出了仿真实验结果,验证了所提方法的有效性.     

SDH系统E1接口定时的高质量恢复

SDH传输网中由指针调整带来的低频抖动和漂移已经成为SDH传输网与其它传输网互通的障碍.这一问题可以通过在SDH系统的边界支路输出口处采用极低带宽的锁相环对SDH网络指针调整带来的抖动和漂移进行平滑来得到改善和解决.本文介绍了一种捕捉速度快、带宽窄、适合于多支路大规模集成的用于SDH系统E1支路接口的二阶全数字锁相环路.     

一类MIMO非线性系统的自适应模糊输出反馈控制

针对一类MIMO非线性状态不可测系统,提出了一种稳定的基于观测器的自适应模糊控制方法.该方法不需要系统状态可测的条件,而是通过设计模糊观测器来估计系统的状态.证明了所提出的控制方法可保证闭环系统的稳定性和跟踪误差的收敛性.仿真结果进一步验证了该控制方法的实用性和有效性.