一类非线性系统的稳定神经网络自适应控制

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。     

基于神经网络的一类非线性系统的自适应控制

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。     

基于神经网络的非线性自适应控制*

本文对非线性自适应控制的一个新领域－基于神经网络的非线性自适应控制（以下简称ＮＮＢＮＡＣ）的研究进展进行了综述，讨论了这一领域中存在的几个重要问题，然后指出了与这些问题相关的未来的研究方向。     

基于神经网络的非线性系统稳定自适应控制

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     

基于神经网络的一类非线性系统自适应H∞控制

基于神经网络提出一种自适应Ｈ∞控制方法。控制器由等效控制器和Ｈ∞控制器两部分组成,用神经网络逼近未知非线性函数,Ｈ∞控制器用于减弱外部及神经网络逼近误差对跟踪误差的影响。所设计的控制器不仅保证了闭环控制系统的稳定性,而且使外部干扰及神经网络逼近误差对跟踪误差的影响减小到预定的性能指标。     

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。     

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。     

基于线性参数神经网络的非线性系统稳定自适应控制

提出适用于多种网络类型的神经网络稳定自适应控制设计思想,在神经网络逼近误差界未知的条件下,对该误差界进行在线自适应估计,研究基于线性参数神经网络的仿射非线性系统稳定自适应控制。采和Ｌａｐｕｎｏｖ函数方法证明系统状态变量、网络权值矢量、网络逼近误差界的在线估计及输出跟踪误差的收敛性。仿真结果表明,该方案跟踪性能良好,稳态误差较小,系统输出能快速跟踪目标信号。     

基于非线性参数神经网络的非线性系统稳定自适应控制

针对不确定仿射非线性系统,提出一种基于非 线性参数神经网络的稳定自适应控制方案,在非线性参数神经网络对不确定非线性函数的逼 近误差的界未知的情形下,对网络逼近误差界进行在线自适应估计,并由Lyapunov理论证明 了整个闭环控制系统的稳定性．     

基于神经网络的一类非线性系统的自适应控制

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。     

采样非线性系统的神经网络稳定自适应控制

针对一类动力学未知或难以建模的采样非线性系统,提出了一种基于神经网络的跟随控制器稳定自适应控制方法.控制器采用径向基函数神经网络近似对象的动力学非线性,神经网络参数的自适应规律由稳定理论得到.文中给出了系统稳定性和跟随误差收敛性的证明,并通过仿真实例揭示了所提方法的性能.     

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.     

基于神经网络的非线性连续系统的自适应调节器

对于一类连续时间的非线性动态系统x=f(x)+Bu+d,当系统中的非线性函数f(x)满足线性增长条件时,首先证明了f(x)中的x落入一紧集中,然后根据神经网络的逼近性质,给出了自适应调节器的设计方法.利用李雅普诺夫稳定性理论,证明了控制算法是全局稳定的,闭环系统的状态是一致最终有界的.     

基于递归神经网络的一类非线性无模型系统的自适应控制

给出了基于递归神经网络非线性无模型的自适应控制方案，它具有灵活、简单、方法等特点，可以处理传统方法和非线性无模型系统自适应控制方法不能控制或控制效果不理想的非线性对象。理论分析和仿真结果证明了这种方法的优越性。     

SISO仿射非线性系统自适应变结构BPNN控制

为了更好地消除抖振,提高复杂非线性系统的控制效果,针对一类典型SISO仿射非线性系统,提出了一种新的变结构BP神经网络(back propagation neural network,BPNN)自适应控制策略(VSYNC);其中,对于系统未知非线性函数,将神经网络用作估计器;对控制输入加入连续函数项,其可以根据状态点和滑动切换面之间的距离自适应地调节不连续的控制变量,从而使变结构控制策略得到了显著提高;所提出的控制方法能够有效地抑制周围切换面的抖振,保证了系统地动态性能,同时还能够消除系统的稳态误差;仿真结果表明,该方法具有较高的控制精度和鲁棒性。     

用于非线性动力系统控制问题的自组织神经网络自适应方法

本文提出一种用自组织自学习适应思想解决非线性动力系统控制问题的新方法。在每个小区域感受野,可以把非线性系统近似展开为线性,由神经元执行控制。各神经元的凝视点,感受野和功能由自组织自学习自适应方法进行调节。大量仿真结果验证了本方法的正确性和实用性。     

非线性系统的一种加权自适应控制方法

非线性系统的一种加权自适应控制方法１）许向阳祝和云（浙江大学工业控制研究所杭州３１００２７）关键词自适应控制,非线性系统,间隙非线性．１）国家级工业控制技术重点实验室资助课题．收稿日期１９９５－０３－０７１引言由于非线性系统的多样性,不能用统一的模型...     

基于神经网络的非线性多模型自适应控制

针对一类非线性离散动态系统,设计了一个自适应控制方案。为了保证在任意时刻均能为被控的动态系统选择最好的控制器,方案基于输入输出数据为系统定义一个线性预测模型,并在此基础上设计能够保证闭环系统所有信号有界的线性鲁棒自适应控制器,同时定义一个非线性预测模型,再基于径向基神经网络设计一个旨在提高系统控制性能的非线性自适应控制器。通过比较2个控制器预测的系统输出性能,设计合理的开关切换规则。控制方案能将系统稳定性控制和性能优化的控制分离并单独实现,使得系统能在保证稳定性前提下,借助神经网络控制器良好的追踪能力有效提高自适应控制效果。最后通过仿真例子说明了系统稳定和提高输出追踪效果可以同时得到保证。