非线性系统的神经网络辨识和控制方法

1引言 在Wiener开创控制论的伊始,就将控制、信息和神经科学作为一个共同的课题。后,控制学科、计算科学和神经生理学趋于分开发展。自从80年代初期以来,神经网络有了长的进步,在人工智能和     

基于神经网络非线性系统辨识和控制的研究

本文提出了由静态的前馈网络和稳定的滤波器构成的非线性系统的辨识模型，在神经网络固有的逼近误差存在的情况下，从理论上讨论了神经网络应用于辨识控制过程中系统的稳定性问题，最后研究了在非线性系统的轨迹跟踪过程中增加滑动控制来偿神经网络的逼近误差，从而提高系统跟踪性能。     

基于自适应神经网络的一类不确定非线性系统的鲁棒H∞控制

针对一类不确定非线性多输入时变系统，提出了一种新的鲁棒H∞控制方案．通过引入2个自适应神经网络逼近器，提出了一个简化的Hamilton—Jaeobi—like不等式，并据此设计了非线性H∞控制器和匹配不确定项补偿控制器，消除了输入摄动项和估计器最优逼近误差的有界性假设．机器人系统的鲁棒跟踪控制仿真算例证实了所提出控制方案的有效性．     

电液伺服系统多项式非线性建模与控制一体化设计

常规电液伺服系统PID控制无法克服非线性因素影响,存在跟踪准确性和鲁棒性问题.因此,本文提出电液伺服系统多项式非线性H∞控制律设计方法,改进电液伺服系统的控制性能与鲁棒性.首先利用多项式非线性模型对电液伺服系统进行系统辨识,得到以误差作为状态变量的多项式非线性模型;然后设计多项式非线性控制律,证明所提出控制律可以保证系...     

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RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

一类非线性的自适应与L2增益混合控制

本文在文献（１，２）的基础上，对一类非线性系统提出了把自适应控制与Ｌ２－增益≤γ的控制相结合的控制思想，所导出的控制策略具有下面优点：１）整个系统仅需要与未知干扰个数相等的ｐ个估计器，克服了文献（１）中需要ｎｐ个估计器；２）扩充了文献（２）的结果，使未知扰动能够出现在控制通道，并能克服有界匹配外扰。计算机仿真结果表明控制方案是可行的。     

一类非线性系统的自适应模型控制

对一类非线性不确定连续系统，提出了一种新的自适应控制方法。此方法用Ｔ－Ｓ模糊系统对未知函数进行逼近，引入Ｈ＾∞控制减弱外部干扰及逼近误差对输出跟踪误差的影响，证明了该方法可保证闭环系统稳定。仿真结果验证了此算法的有效性。     

一类不确定非线性系统的鲁棒H∞控制

讨论了在自由系统和输入通道都带有有界不确定性的仿射非线性系统的鲁棒H∞控制问题,给出了状态反馈控制设计,对所有允许的不确定性它既能保证关于H∞模的干扰抑制品质,又能镇定该系统.同时指出如果一个相应的Hamilton-Jacobi不等式有非负解,则该不确定仿射非线性系统的鲁棒H∞控制问题可解.     

一类非线性系统的自适应控制

针对一类非线性系统，利用微分几何方法中的反馈线性化方法将其等价表示为时变线性系统，再设计一个最小方差自校正调节器，利用参数估计中最成熟的递推最小二乘法对系统参数进行估计，并结合利用最小方差控制策略，实现了对原非线性系统的自适应控制．仿真表明了所提方法的有效性．     

一类非线性系统的自适应预测控制

针对一类非线性系统, 将其等价为时变线性系统, 然后用三次样条函数逼近时变系数, 利用梯度算法在线辨识多项式的系数以实现时变系统的参数估计, 最后运用广义预测控制策略, 实现了对原非线性系统的自适应预测控制. 仿真结果表明了所提方法的有效性.     

一类非线性系统的自适应预测控制

针对一类非线性系统,将其等价为时变线性系统,然后用三次样条函数逼近时变系数,利用梯度算法在线辨识多项式的系数以实现时变系统的参数估计,最后运用广义预测控制策略,实现了对原非线性系统的自适应预测控制.仿真结果表明了所提方法的有效性.     

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。     

一类多变量非线性系统的自适应模糊控制

对一类不确定多变量非线性系统提出了自适应模糊控制方法.该方法采用模糊逻辑系统组成的矩阵逼近控制器中的逆矩阵以避免控制器的奇异性问题,同时用误差补偿项对模糊逻辑系统的逼近误差进行补偿.证明该方法不但能使闭环系统的所有信号有界,而且通过适当调整控制器及自适应律中设计参数,可使跟踪误差收敛到原点的小邻域内.仿真结果验证了方法的有效性.     

一类网络化串级控制系统的分析与建模

提出了网络化串级控制系统的概念，并针对一类基于现场总线的网络化串级控制系统进行了研究.在网络诱导时延小于和大于一个采样周期的情况下，分别利用增广状态向量法，将系统建模为有限维离散时间线性时不变系统．最后，通过工业过程控制中的一个串级控制实例分析,说明了该建模方法的有效性.     

一类网络化串级控制系统的分析与建模

串级控制系统中,控制回路是通过实时网络闭合的.称为网络化串级控制系统.针对基于现场总线的一类网络化串级控制系统,主控制器和副控制器都采用了动态输出反馈,在网络诱导时延小于一个采样周期的情况下,利用增广状态向量法,将系统建模为有限维离散时间线性系统.最后,讨论了网络化串级控制系统中需要进一步研究的若干问题.     

一类非线性飞行控制系统鲁棒故障诊断

针对一类仿射非线性飞行控制系统的执行器故障,提出了一种基于微分几何方法的鲁棒故障诊断方案.各个输入通道相应的不可观分布满足条件时,可以通过分别在状态空间和输出空间进行同胚变换,将原系统化为多个只受单一通道故障输入影响的能观商子系统.原系统的残差生成器设计问题转化为对其各通道能观商子系统的观测器设计,实现残差与其他通道故...     

Nonlinear Modeling and Control of a Unicycle

A unicycle system is composed of a unicycle and a rider. This system is inherently unstable, but together with a skilled rider can be autonomously controlled and stabilized. A dynamical investigation, a control design and a numerical solution of a nonlinear unicycle autonomous model are presented. The use of a nonlinear model for the control design is shown in this paper to be of great importance. A three-rigid-body physical model was selected for the dynamical study of the system. In a linearized model important physical characteristics of the unicycle system disappear (e.g. interactions between the longitudinal and lateral systems are being neglected), and therefore it is not recommended to be used for the control design. A nonlinear control law, which replaces the rider in stabilizing the model, was derived in the present work, using a nonlinear unicycle model. A simulation study shows good performance of this controller. Time spectral element methods are developed and used for integrating the nonlinear equations of motion. The approach employs the time discontinuous Galerkin method which leads to A-stable high order accurate time integration schemes.     

一类非线性不确定系统的最小方差神经控制

针对一类非线性不确定系统,提出一种新的基于神经网络动态补偿的最小方差控制方法（ＭＶＮＮＣ）。这种控制系统将传统的最小方差控制技术与神经网络优良的非线性逼近能力相结合,从而能有效地消除不确定性引起的控制误差,仿真实验表明,这种最小方差神经控制系统具有较强的鲁棒性和良好的动态性能。