混沌系统的模糊神经网络控制理论方法研究

《混沌系统的模糊神经网络控制理论方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要本文的重点是在不确定混沌系统的智能控制与同步方法上进行了一系列的探索和研究。全文主要工作有如下几个方面：1．综述了混沌研究的发展历史及其意义，归纳和总结了混沌的定义及混沌应用前景，着重评述了最近十几年来国内外几类具有代表性的混沌控制方法及其特点，阐述了本论文的研究意义。2．研究了一种将暂态误差预测技术、小扰动控制技术、梯度下降法和遗传算法(GA)融合起来控制非线性混沌系统的复合遗传神经网络方法(简称HyGANN法)。该控制方法无需了解系统的动态特性和精确的数学模型，也不需监督学习所要求的训练数据，通过增强学习训练方式，采用改进遗传算法优化神经网络权系数，使之成为混沌控制

2、器，便可产生控制混沌系统的时间序列小扰动信号，仿真实验结果表明它不仅能有效镇定混沌周期1、2等低周期轨道，而且在周期控制技术基础上，也可成功将高周期混沌轨道(如周期4轨道)变成期望周期行为。该方法不必知道控制对象的动力学模型及诸如系统状态维数和不动点位置等其它特性，又具有一定的抗噪声干扰能力，因此可以推广应用到其它混沌系统的控制中。3．提出了一类不确定混沌系统的模糊神经网络自适应控制方法。该方法采用少量模糊规则(“如果一则”语言规则)，使模糊神经网络逼近系统中不确定函数：然后通过Lyapunov函数法和参数投影算法，即可在线调整模糊神经网络控制器参数。利用监督控制器的特点，

3、使控制过程系统所有状态均处在约束集范围内。并且给出了界的数学表达式以便在控制器的设计过程中根据实际需要来确定界，实现参考模型自适应跟踪控制。当只有模糊神经网络(FNN)工作时，如果系统性能不稳定，则监督控制发挥作用以迫使系统转入正常运行；而当FNN单独作用能够使系统性能达到设计要求，则监督控制不参与作用。总之，运用所研究的控制方法实现混沌状态跟踪控制，理论分析表明在所有信号一致有界的意义上可以保证最终的闭环系统具有全局稳定性，仿真结果验证了所给出结果的正确性和控制方法的有效性。4．将奇异扰动方法应用到动态神经网络辨识器的稳定性分析及鲁棒性设计研究中。利用动态神经网络对混沌系

4、统“黑匣子”进行辨识，然后在辨识估计的基础上，设计自适应状态反馈控制器对混沌系统状态进行调整，实现不确定混沌系统的参考模型轨道跟踪控制。仿真结果表明所提出的控制方法能够有效地将混沌行为镇定到期望目标轨道。5．运用动态神经网络作为不确定混沌系统的辨识模型，利用滑模控制方式在线调整网络权值，以适应混沌系统快速变化而达到实时辨识要求。考虑到辨识模II型与实际系统存在的差异，结合线性正交算法来设计优化补偿控制器。方法简单实用，计算量小，可大大提高控制系统的精度。同时对辨识误差和控制目标误差进行了分析，仿真实验结果表明所研究的理论的正确性和方案的可行性。6．将输入状态稳定技术和无源性

5、理论有机结合起来，对不确定蔡氏电路混沌系统的动态神经网络辨识和跟踪控制问题进行了研究。首先对动态神经网络辨识模型进行稳定性分析。仅仅利用系统输入输出特性便得出有关稳定性的一般结论，即当辨识模型与实际系统不完全匹配时，用梯度下降算法调整神经网络辨识器权值时，在未建模动态和扰动以及任何有界不确定参数情形下，辨识系统均具有一定的鲁棒性。然后在辨识模型基础上设计局部优化控制器，并给出了相应稳定性控制定理及其证明，蔡氏混沌系统的辨识结果以及期望目标轨迹跟踪控制的数值仿真实验结果表明了所提出方法的有效性。7．研究了参数不确定混沌系统的鲁棒模糊控制问题。采用改进的不确定T-S模糊模型建立

6、不确定混沌系统模型：再利用线性矩阵不等式(LMI)，将此模型转换成为几个子空间中的一组线性系统表达式：在不确定参数有界的情况下，通过选择满足线性矩阵不等式的适当控制参数，将状态反馈控制器设计问题转化成线性矩阵不等式的形式进行求解，以获取满足条件的控制器参数。同时为了表明所提出的控制设计方法的正确性，进行了理论上的分析与证明：最后为了证明所提出策略的有效性和适应性，利用计算机进行了仿真试验研究，并给出了结果。8．利用Lyapunov稳定性定理和线性矩阵不等式(LMI)，提出了基于模糊模型的输出反馈鲁棒控制器设计方法。特别是针对参数时变而有界的一类非线性混沌系统鲁棒稳定问题进行

7、了研究。所得到的模糊控制器能保证系统参数在有界范围内不确定时，整个闭环T．s模糊系统全局渐近稳定。为了证明所设计的模糊控制器的有效性，用不确定陈氏混沌系统进行计算机仿真实验。首先，采用不确定T-S模糊模型建立陈氏混沌系统的数学模型。然后用LMI方法推导出模糊模型输出反馈控制器设计的充分条件，将控制器设计问题转换成线性矩阵不等式进行处理，求出基于模糊模型的输出反馈控制器参数，并用Lyapunov定理证明了闭环系统在零平衡点附近是渐近稳定的。仿真结果表明，应用该方法控制不确定混沌系统是极为有效的。9．利用递归高阶神经网