基于神经网络的非线性多模型自适应控制

2015年02月14日14:53:42 本网站我要评论(2)字号：T | T | T

关键字：

摘要：针对一类非线性离散动态系统，设计了一个自适应控制方案。为了保证在任意时刻均能为被控的动态系统选择较好的控制器，方案基于输入输出数据为系统定义一个线性预测模型，并在此基础上设计能够保证闭环系统所有信号有界的线性鲁棒自适应控制器，同时定义一个非线性预测模型，再基于径向基神经网络设计一个旨在提高系统控制性能的非线性

自适应控制器。通过比较2个控制器预测的系统输出性能，设计合理的开关切换规则。控制方案能将系统稳定性控制和性能优化的控制分离并单独实现，使得系统能在保证稳定性前提下，借助神经网络控制器良好的追踪能力有效提高自适应控制效果。较后通过仿真例子说明了系统稳定和提高输出追踪效果可以同时得到保证。

关键词：非线性系统；自适应控制；神经网络；多模型；开关转换

中图分类号：ＴＰ２７３　　　　　文献标志码：Ａ

１引言

自上世纪90年代开始，使用神经网络来研究自适应控制已经逐渐成为一个热门的研究领域，并不断有研究成果在各种学术期刊上发表。对某些复杂动态非线性系统，常规自适应控制已无法得到理想的控制效果，而神经网络自适应控制却被证实有可能得到良好的辨识和控制效果［1］。石宇静等就基于神经网络和多模型考虑了一类非线性系统的自适应广义预测控制及广义预测解耦控制方法，通过设计合理的切换机制在保证系统稳定性前提下改善系统性能［2-3］。

分析结构比较复杂的非线性系统问题时采用的多是多层神经网络［2-7］，但此类神经网络的结构复杂性和系统的非线性特性使系统稳定性分析比较棘手，虽有文献针对此类系统的稳定性做过一定的分析，但多存在一定局限性，如选择的神经网络基于线性参数化［8-10］，或被控系统要求具有某一特定结构［11］等。鉴于此，本文将通过使用多模型策略对系统进行控制，以获得较好的控制效果。

登录网站后可下载文件

基于神经网络的非线性多模型自适应控制

相关阅读: