一类未知非线性系统的模糊神经网络自适应鲁棒控制

一类未知非线性系统的模糊神经网络自适应鲁棒控制

ID:36854372

大小:848.43 KB

页数:90页

时间:2019-05-16

一类未知非线性系统的模糊神经网络自适应鲁棒控制_第1页
一类未知非线性系统的模糊神经网络自适应鲁棒控制_第2页
一类未知非线性系统的模糊神经网络自适应鲁棒控制_第3页
一类未知非线性系统的模糊神经网络自适应鲁棒控制_第4页
一类未知非线性系统的模糊神经网络自适应鲁棒控制_第5页
资源描述:

《一类未知非线性系统的模糊神经网络自适应鲁棒控制》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、湘潭大学工学硕士学位论文一类未知非线性系统的模糊神经网络自适应鲁棒控制沈细群摘要本论文主要考虑了未知仿射非线性系统的自适应控制问题,分别研究了单输入单输出(SISO)和多输入多输出(MIMO)两种情形。针对单输入单输出系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与控制方法,该方法利用广义模糊神经网络学习算法实时建模系统的逆动态来实现网络结构和参数的同时在线自适应。考虑到网络建模误差和外部干扰的存在,基于H控制理论设计了一个鲁棒补偿∞器,并基于lyapunov稳定性理论设计自适应控制律对网络的权值进一步在线调整,倒立摆的仿真实验证明了所给方法能够实现系统的鲁棒输出跟踪。针对多输

2、入多输出系统的自适应控制问题,分别研究了基于神经网络的直接和间接自适应鲁棒控制问题。基于“主导输入”的概念,将非线性MIMO系统分解成多个带外部干扰的单输入单输出子系统,利用神经网络学习每个子系统中的非线性函数或者每个子系统中的反馈线性化动态,神经网络的权值修正规则由lyapunov稳定性理论导出。并基于H控制理论设计一个鲁棒补偿器抑制各子系统的交叉∞耦合影响以及神经网络逼近误差和外部干扰的影响。仿真实例及锅炉内胆与夹套水温的解耦控制实验证明了所给方法的有效性。关键词模糊逻辑,神经网络,自适应控制,鲁棒控制,解耦,仿射非线性系统第3页湘潭大学工学硕士学位论文一类未知非线性系统的模糊神经网络

3、自适应鲁棒控制沈细群AbstractInthisthesis,theproblemofadaptivecontrolforunknownaffinenonlinearsystemisstudied.Twocasesareconsideredincludingsingleinputsingleoutput(SISO)systemandmultipleinputmultipleoutput(MIMO)system.Anonlineadaptivefuzzyneuralnetworkidentificationandcontrolapproachisproposedfortheadaptivec

4、ontrolproblemofSISOsystem.Inthisapproach,thegeneralizedfuzzyneuralnetwork(G-FNN)learningalgorithmisusedtomodelthesysteminversedynamicsreal-timesothatthenetworkstructureandparameterscanbeself-adaptivesimultaneously.DuetotheexistencesofG-FNNmodelingerrorandexternaldisturbance,arobustcompensatorisdes

5、ignedbasedonH∞controltheoryandthenetworkweightsarefurtheradjustedbytheadaptivelawderivedbylyapulovstabilitytheory.Simulationstudiesonaninvertedpendulumshowtheproposedapproachcanachievetherobusttrackingofthesystem.DirectandindirectadaptiverobustcontrolproblemsareresearchedrespectivelyfortheMIMOsyst

6、embasedontheneuralnetwork.Byapplyingthe“dominantinput”concept,aMIMOnonlinearsystemisdividedintomultipleSISOsubsystemswithexternaldisturbance.Neuralnetworkisusedtoapproximatethenonlinearfunctionorinversedynamicsofeachsubsystem.Thenetworkweightsarederivedusinglyapunov-baseddesignandareadaptedon-line

7、,inordertoeliminatetheinfluencesofexternaldisturbance、neuralnetworkapproximationerrorsandthecross-couplingofinputstooutputsineachsubsystem,arobustcompensatorisdesignedbasedonHcontroltheory.∞Simulationstudyandthed

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。