资源描述：
《narx网络在自适应逆控制动态系统辨识中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、NARX网络在自适应逆控制动态系统辨识中的应用第37卷第2期2005年2月哈尔滨工业大学JOURNALOFHARBININSTITUTEOFTECHNOLOGYV01.37No.2Feb..2005NARX网络在自适应逆控制动态系统辨识中的应用刘亚秋一,马广富,石忠(1.哈尔滨工业大学控制科学与工程系,黑龙江哈尔滨150001,E—mail:yqliu@hit.edu.cn;2.佳木斯大学信息电子技术学院,黑龙江佳木斯154007)摘要:针对动态神经网络的学习算法问题,提出了一种适用于带外加输入的非线性自回归(NARX)动态网络的改进
2、型RTRL学习算法.该算法基于LM算法的思想,取代传统RTRL中的梯度寻优算法,以改善RTRL的学习速度,并将该方法应用于NARX动态网络自适应逆控制的对象辨识中.数值仿真结果表明该改进学习算法是可行而有效性的,并且也验证了NARX动态神经网络具有很强的动态描述能力.关键词:动态神经网络;RTRL算法;NARX网络;自适应逆控制中图分类号:TP27文献标识码:A文章编号:0367—6234(2005)02—0173—04NARXnetworkfordynamicsystemidentificationinadaptiveinverse
3、controlLIUYa—qiu一,MAGuang—fu,SHIZhong(1.Dept,ofControlScienceandEngineering,HarbinInstituteofTechnology,Harbin1.50001,China,E?mail:yqliu@hit.edu.cn;2.SchoolofInformationElectricalTechnology,JiamusiUniversity,Jiamusi154007,China)Abstract:Accordingtothelearningalgorithmof
4、dynamicneuralnetwork,animprovedRTRLalgorithmispresentedforNonlinearAuto—RegressiveeXogenousinput(NARX)network.BasedonLMalgorithm,theim—provedalgorithmsubstitutesforthetraditionalgradientalgorithmandisalsoappliedtodynamicsystemidentifi—cationinadaptiveinversecontro1.Prac
5、ticalsimulationresultsshowthattheNARXdynamicneuralnetworkisofgreatcapabilitytodepictthedynamicsystem,andthegivenalgorithmcanimprovetheconvergencespeedoflearningandisfeasibleandeffective.Keywords:dynamicneuralnetwork;RTRLalgorithm;NARXnetwork;adaptiveinversecontrol非线性动态系
6、统的精确控制比较困难,相应地出现了很多控制设计方法,例如增益调度,反馈线性化或动态逆等.文献[1]提出的自适应逆控制方法并不要求一个精确的初始化模型.与反馈线性化一样,自适应逆控制也是基于动态逆的概念,但是这个逆不要求必须存在.更确切地说,一个自适应单元被训练用于控制对象,在LMS意义上完成模型参考控制.文献[2]把自适应逆控制看作三个自适应滤波过程:辨识被控制的动态系统;自适应前馈控制系统的动态响应;扰动消除通过一个附加滤波器来实现.这三个过程均可用动态神经网络滤波器来实现,其中动态系统辨识是收稿日期:2003—11—10.基金项目
7、:国防科技预研基金资助项目(98J4.2.1HT0106)作者简介:刘亚秋(1971一),男,博士研究生;马广富(1963一),男,教授,博士生导师.实现自适应逆控制的关键环节,因为自适应逆控制中控制器的自适应需要通过对象模型反传梯度信息(BPTM)以及扰动消除也需要依赖对象模型来获得系统噪声.神经网络滤波器早己有效地应用于系统的辨识中,其中常常需要考虑的问题是所建模型是对动态系统还是对静态系统起作用.多层前向网络的结构中不包含时间因素,因而一般情况下辨识出的是静态网络.利用多层前向网络对动态系统进行辨识.需要将一个动态时间的建模问题
8、转化为一个静态空间的建模问题,这就对真实系统的辨识带来诸多的不便.另外还存在对外部噪声特别敏感等问题.而动态神经网络则完全不需要确定模型类和预先定阶,为动态系统的辨识开辟了一个极有前途的方向.与静态网络相比,动态网络具有
