基于神经网络模型预测控制的混沌运动的研究.pdf

基于神经网络模型预测控制的混沌运动的研究.pdf

ID:57819102

大小:265.88 KB

页数:4页

时间:2020-04-05

基于神经网络模型预测控制的混沌运动的研究.pdf_第1页
基于神经网络模型预测控制的混沌运动的研究.pdf_第2页
基于神经网络模型预测控制的混沌运动的研究.pdf_第3页
基于神经网络模型预测控制的混沌运动的研究.pdf_第4页
资源描述:

《基于神经网络模型预测控制的混沌运动的研究.pdf》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、2010年8月中国制造业信息化第39卷第15期基于神经网络模型预测控制的混沌运动的研究闰庆华,韩保红,王民全,程兆刚,陶辰立(军械工程学院力学教研室,河北石家庄050003)摘要:为了实现混沌运动的控制,应用神经网络模型预测控制的策略。首先通过系统辨识建立要控制的混沌系统的神经网络模型,并设计出神经网络模型预测控制器,然后通过该控制器对混沌运动进行预测控制,使混沌吸引子中的不稳定周期轨道被镇定到不动点。最后借助MAT平台进行数字仿真,结果表明该控制方法对混沌控制是有效的。关键词:模型预测;神经网络;混沌控制;MAT

2、中图分类号:TP13文献标识码:A文章编号:1672—1616(2010)15—0030一O420世纪90年代,Ott,Grebogi和Yorke首次提制中具有很强的全局逼近能力,神经网络模型预测出混沌控制方法⋯1,此后国际上对混沌控制方法控制正是利用这一优点。应用神经网络进行混沌及其实验的研究迅猛发展,有关控制混沌的成果不运动控制时,通常需要2个步骤:第1步是进行混断出现,且在一些实例中得到了成功的应用。混沌沌系统辨识;第2步是进行控制系统设计。控制主要指将混沌状态镇定到不动点,或者引导至1.1混沌系统辨识期望的

3、周期轨道。目前提出的混沌控制方法有很神经网络预测模型控制中需要设计一个描述多,包括连续反馈控制法、自适应控制法、基于系统混沌系统动态行为的预测模型,利用此模型对混沌变量的脉冲反馈法、外力一反馈控制法以及传递和系统进行离线系统辨识。利用MATL软件中转移控制混沌运动等。混沌学研究特别是混沌控提供的神经网络工具箱[,可以方便地设计出合制和同步研究具有诱人的应用前景,可以预见在电适的神经网络模型。通常对于混沌系统,由于其具子学、保密通信、密码学和神经网络等领域中,都有很大的应用潜力。有强的非线性和复杂性,选择径向基(RB

4、F)函数网神经网络以其强大的非线性映射能力和学习络比BP网络更有优势,表现在网络的学习速度更能力,能够实现对非线性系统高精度的逼近,可以快,函数逼近能力更强。解决实际应用中常规方法难以处理的问题,因此神利用所设计的模型可对混沌系统进行离线辨经网络在预测、系统识别、自动控制和信号检测等识,即训练神经网络的过程。系统辨识过程的原多个领域得到了广泛应用I2j。利用神经网络特别理[]如图1所示。其中为控制信号,Y。为期适合于非线性函数拟合与系统辨识的特点,把神经望响应,Y为神经网络响应。训练过程为:对混沌网络应用于混沌运动

5、的控制中,相继提出了一些基系统和神经网络模型施加各种输入信号,一般为随于神经网络的混沌系统的控制方法,能够对有关混机输入信号,求混沌系统输出和神经网络模型输出沌运动实施有效的控制。本文采用神经网络模型的预测误差,将此误差作为神经网络模型的训练信预测控制混沌运动的控制策略,通过离线辨识建立号,依据学习规则进行反复、多批量的学习,直到神混沌系统的神经网络预测模型,设计神经网络模型经网络模型能够高精度逼近混沌系统为止。预测控制器,并将该控制器应用于VanderPol混沌运动的控制l引,以期将不稳定的混沌吸引子控制到不动点

6、,或诱导到周期轨道。1神经网络模型预测控制原理神经网络在非线性系统的辨识和动态系统控图1混沌系统神经网络模型辨识过程框图收稿日期:2010—03—23作者简介:国庆华(1985一),男,山东金乡人,军械工程学院硕士研究生,主要研究方向为机械系统动力学分析与控制。·控制策略研究·闫庆华韩保红王民全等基于神经网络模型预测控制的混沌运⋯⋯3100000图2的输入(Input)为用于混沌系统辨识4的3输2输入O,预测∞其未呢来扪输0出的叫功能。滚动优化是混沌控入样本数据,输出(PlantOutput)为用于混沌系统制优化器

7、的核心算法,采用有限时域的输出优化,辨识的输出样本数据,将样本数据导入设计的神经结合模型的输入和输出,得出简便的在线控制律。网络预测模型,就可以进行网络训练,得到图2中优化目标是基于各个时刻的局部优化指标,适于非误差(Error)及神经网络输出(NNOutput)的训练线性时变系统的控制。结果。从训练误差曲线来分析,训练后的神经网络预测模型能够高精度地逼近VanderPol混沌系统。若要进一步提高神经网络预测模型的精度,可用多组训练样本进行网络训练,也可选择不同的训练函数进行对比l7l。InputPlantOu~u

8、t图3神经网络模型预测控制框图具体控制过程如图3所示,混沌控制器由混沌控制优化器和神经网络预测模型2部分组成。神经网络模型预测混沌系统在指定时间内的模型响应,应用滚动最优化算法进行预测,从而确定控制5001000信号,并将控制信号输出到被控制的混沌系统中。Error最优化性能函数如下:I=(Y(t+J)一Y(t+J))+IJN1』D((t+J一1)一“(t+

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。