基于粗糙-神经网络的非线性系统逆模型控制

《基于粗糙-神经网络的非线性系统逆模型控制》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、基于粗糙-神经网络的非线性系统逆模型控制张腾飞1，李云2(1南京邮电大学自动化学院南京210046;2南京邮电大学计算机技术研究所南京210046)摘要：粗糙控制是近年来兴起的一种新的智能控制方法，作为对粗糙控制理论的探索，提出了粗糙规则逆模型的概念，并分析了粗糙规则逆模型的一致性和完备性问题，引入了基于径向基函数网络的粗糙决策规则推理方法，构造了粗糙-神经网络逆模型。对粗糙-神经网络逆系统模型的辨识以及基于粗糙-神经网络逆模型的控制理论和方法进行了分析和讨论，并通过实例仿真计算与实验分析，验证了

2、粗糙-神经网络逆模型控制方法的可行性。关键词：粗糙集；神经网络；决策规则；逆模型；粗糙控制中图分类号：TP18文献标识码：A国家标准学科分类代码：510.8010InversemodelcontrolmethodologyfornonlinearsystembasedonroughsetandneuralnetworkZhangTengfei1,LiYun2(1CollegeofAutomation,NanjingUniversityofPostsandTelecommunications,Nan

3、jing210046,China;2InstituteofComputerTechnology,NanjingUniversityofPostsandTelecommunications,Nanjing210046,China)Abstract：Roughcontrolisanewintelligentcontrolmethodthatroseinrecentyears.Asanexplorationofroughcontroltheory,theconceptofroughruleinverse

4、modelisfirstputforward.Theconsistencyandcompletenessofroughruleinversemodelareanalyzed,andaroughdecisionrulereasoningmethodbasedonradialbasisfunction(RBF)neuralnetworkisintroduced.Onthisbasis,therough-neuralinversemodelispresented.Andthentheidentifica

5、tionofrough-neuralinversesystem,thecontroltheoryandmethodbasedonrough-neuralinversemodelareresearchedindetail.Thefeasibilityoftheproposedcontrolmethodisdemonstratedbysimulationandexperimentanalysis.Keywords：roughset;neuralnetwork;decisionrule;inversem

6、odel;roughcontrol第8期张腾飞等：基于粗糙-神经网络的非线性系统逆模型控制17271引言粗糙控制是在粗糙集理论的基础上发展起来的一种新的智能控制方法，粗糙集自动抽取控制规则的优点，使它在基于规则的控制中具有很大的发展潜力。粗糙控制和模糊控制的发展初期类似，在实际中有一些成功应用，但在理论上缺乏本质研究，还没有形成一个理论体系。而且从现有的文献来看，基本上都是基于粗糙集的控制规则提取或数据处理，没有充分发挥粗糙集方法作为粗糙控制器设计的优点。由于粗糙集理论还处在不断发展和完善的过程中

7、，基于粗糙集的粗糙控制尚存在许多问题，因此，利用现有智能方法的优势互补对粗糙混合智能方法的任何探索尝试都将是非常重要和有益的[1]。在控制理论中，通过反馈线性化将非线性系统变换为线性系统的思想是处理非线性最直接的思路[2]。逆系统方法是反馈线性化中一种比较形象直观且易于理解的方法，其基本思想是首先利用被控对象的逆系统将被控对象补偿成为具有线性传递关系的系统，即伪线性复合系统，然后再用线性系统的理论来完成这种系统的综合。收稿日期：2008-10ReceivedDate：2008-10基金项目：江苏省

8、教育厅高校自然科学基金基础研究项目（08KJB520007）、南京邮电大学引进人才科研基金项目（NY207148）资助由于非线性系统千差万别，对非线性函数缺乏统一有效的求解方法，通常很难得到逆系统的精确解析表达式，因此，一般采用系统辨识建模的方法来构造(逼近)第8期张腾飞等：基于粗糙-神经网络的非线性系统逆模型控制1727逆系统的表达式，即逆系统的非解析实现。神经网络以其自学习能力、逼近任意非线性函数的能力以及良好的容错性能在逆系统模型辨识和控制中受到了广泛的关注，取得了较多的研究