收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于动态神经网络的非线性自适应逆控制研究

李明  
【摘要】: 自适应逆控制用数字信号处理的理论和方法解决自适应控制的问题,为控制系统设计和研究开辟了一个新颖的途径。自适应滤波技术是自适应逆控制系统设计和实现的基础,现代神经网络技术的发展为非线性自适应逆控制的研究和实现创造了条件。探索和设计合适的动态神经网络结构和算法,构建更加丰富的系统结构等已成为非线性自适应逆控制研究的重点,尤其对动态神经网络的研究为非线性自适应逆控制研究和实现奠定了必要的基础。本文研究了动态神经网络的结构和算法,及基于动态神经网络的非线性自适应逆控制系统,主要研究内容如下: 一、在分析研究生物神经元及人工神经元模型结构及功能的基础上,提出了一种新的动态人工神经元模型(DAF神经元),它是一类自适应IIR突触时空神经元模型,它在简化动态神经元模型结构的同时提高了神经元的动态性能和自适应能力。基于DAF神经元模型可以构建一种新的动态神经网络(DAFNN),DAFNN是一种局部反馈动态神经网络,其总体结构仍为前馈神经网络结构。与非线性自适应逆控制系统中常用的反馈神经网络相比,DAFNN的结构和算法都更加简单,而且具有可自适应调节的时间深度和时间分辨率。因此,DAFNN在非线性自适应逆控制中更具应用优势。 二、通过对PSO算法结构、稳定性及收敛性的研究,提出了一种以概率1全局收敛PSO算法,并进一步推广为神经网络离线学习算法。该算法通过加强对微粒群最优位置的局部搜索能力,提高了收敛的速度和精度;同时缩小了粒子群规模,提高了运行效率。与传统的BPTT算法相比,该算法无论是收敛速度、精度还是泛化能力,都有明显提高。 三、根据信号流图理论,设计并推导了一种神经网络的在线学习算法,并利用Lyapunov稳定性定理分析了算法的稳定性,提出了可以保证算法收敛的自适应学习速率。对于动态神经网络在线学习而言,该算法避免了传统梯度计算中复杂的链式求导过程,利用神经网络的信号流图及其线性的伴随流图,可以直接计算任何变量的梯度信息。并且,自适应的学习速率确保了动态神经网络稳定和算法的收敛。 四、结合两种现有非线性自适应逆控制系统的结构特点,提出了一种改进的非线性自适应逆控制系统扰动消除结构,在自适应过程收敛后,该系统能迅速消除输出扰动,且不影响系统自适应过程。最后,提出了一种用于非线性对象控制的近似线性自适应逆控制系统,它利用一组线性自适应LMS滤波器构建系统辨识器、控制器及对象逆模型,从而简化了非线性自适应逆控制系统结构和算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王艳芹;王凤嫔;;非线性系统的RBF神经网络建模方法研究[J];大庆师范学院学报;2010年06期
2 鲍晓红,贾英民;用神经网辨识非线性系统中的模型误差分析(Ⅱ)——随机系统中的噪声影响[J];控制与决策;1997年S1期
3 彭宇,蒋静坪;面向对象的神经网络程序设计及其在非线性动态系统辨识中的应用[J];科技通报;1999年03期
4 王海斌,黄显林,王永富,胡恒章;基于最佳小波基的的非线性系数辨识[J];自动化技术与应用;1999年03期
5 黄自元,李力雄,费敏锐;模糊规则在线提取及其在非线性系统辨识中的应用[J];自动化仪表;2001年10期
6 刘百顺,任正斌;船舶运动仿真模型[J];计算机仿真;2001年05期
7 吴学礼,孟凡华,王永骥,李平,贾辉然,孟华;基于新型联想记忆神经网络的非线性系统辨识[J];地理与地理信息科学;2004年04期
8 张翠霞;刘齐宏;唐常杰;耿伟华;;基于GEP的非线性系统辨识算法[J];微计算机信息;2006年34期
9 李明;杨汉生;杨成梧;王永成;;一种改进的NARX回归神经网络[J];电气自动化;2006年04期
10 沈建国;郭裕顺;叶淑霞;;基于模糊逻辑的电路非线性动态特性模型[J];杭州电子科技大学学报;2007年01期
11 于海波;马翠红;;基于对角递归神经网络系统辨识及应用[J];微计算机信息;2007年31期
12 王晓丹;李善姬;;改进的小波分解LMS算法在非线性系统辨识中的应用[J];科技信息;2008年29期
13 袁晓磊;白焰;董玲;;基于遗传编程的非线性系统辨识[J];控制工程;2009年01期
14 闫纪红,史小平,王宏伟,王子才;一种辨识非线性系统的新方法及其应用[J];应用科学学报;1999年01期
15 于春梅;潘泉;程咏梅;张洪才;;基于核主元提取的支持向量机辨识[J];数学的实践与认识;2009年01期
16 张颖,冯纯伯;应用Hammerstein模型辨识受相关噪声扰动的非线性系统[J];控制理论与应用;1995年06期
17 干思权,刘贺平,申祝江;一种改进型T-S模糊神经网络[J];控制工程;2005年05期
18 王军;彭宏;肖建;;尺度核支持向量回归的非线性系统辨识[J];系统仿真学报;2006年09期
19 于春梅;杨胜波;陈馨;张洪才;;SVM和基于PCA、PLS的SVM在非线性辨识中的比较研究[J];计算机应用研究;2007年06期
20 员险锋;李志农;赵匡;林言丽;;基于广义频率响应函数的转子裂纹故障诊断方法研究[J];矿山机械;2011年09期
中国重要会议论文全文数据库 前10条
1 刘胜;李妍妍;李佳来;;基于蚁群算法的SVM参数选择研究[A];2006年船舶通讯导航学术会议论文集[C];2006年
2 吕强;郝继红;段运波;许耀铭;;利用动态RBF网络的非线性系统辨识[A];1994中国控制与决策学术年会论文集[C];1994年
3 薛一勤;J.Watton;;高速流量测试技术与流体传动系统动力学建模(英文)[A];材料科学与工程技术——中国科协第三届青年学术年会论文集[C];1998年
4 李明;杨成梧;;PID神经网络的改进PSO学习算法[A];第25届中国控制会议论文集(中册)[C];2006年
5 宋莹;陈增强;袁著祉;;一种新型混沌粒子群算法及在非线性系统中的应用[A];2006中国控制与决策学术年会论文集[C];2006年
6 刘海宁;李真;;电致伸缩微位移器的非线性控制系统设计[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
7 蔚瑞华;徐立鸿;;基于T-S模糊模型的广义模糊神经网络的系统辨识[A];第25届中国控制会议论文集(上册)[C];2006年
8 史东生;弟宇鸣;周春林;;粒子群优化算法在神经网络识别γ能谱中的应用[A];第十三届全国核电子学与核探测技术学术年会论文集(下册)[C];2006年
9 李丽;薛冰;牛奔;;基于改进PSO算法的投资组合问题研究[A];第十二届中国管理科学学术年会论文集[C];2010年
10 李明;杨承;舒宇;;一种全局收敛的神经网络PSO训练算法[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
中国博士学位论文全文数据库 前10条
1 李明;基于动态神经网络的非线性自适应逆控制研究[D];南京理工大学;2007年
2 于萍;自适应逆控制方法研究及其应用[D];华北电力大学(河北);2006年
3 王玉坤;自适应逆控制及其应用的研究[D];哈尔滨工程大学;2006年
4 刘伟;基于粒子群算法自适应逆控制混沌同步研究[D];哈尔滨工程大学;2007年
5 曲永印;异步电机的高性能变频调速控制策略及系统实现研究[D];东华大学;2006年
6 王华东;基于多项式结构的功率放大器行为模型研究[D];电子科技大学;2009年
7 朱耀春;基于基因表达式编程技术的非线性系统辨识研究[D];华北电力大学(北京);2008年
8 史志伟;混沌时间序列预测与储备池机器学习方法研究[D];大连理工大学;2008年
9 肖斌;柴油机双层隔振台架主动隔振技术研究[D];哈尔滨工程大学;2008年
10 赵小强;炼厂生产调度问题研究[D];浙江大学;2005年
中国硕士学位论文全文数据库 前10条
1 高彦荷;基于混合递阶遗传算法的RBF神经网络优化及应用[D];四川大学;2004年
2 颉子光;基于支持向量机的自适应逆控制方法研究[D];华北电力大学(河北);2009年
3 陈非;多层前向神经网络结构的研究[D];大连理工大学;2000年
4 李灿军;液位系统的辨识与预测控制研究[D];中南大学;2007年
5 王红梅;MIMO系统自适应逆建模与控制研究[D];山东大学;2008年
6 曲加圣;二级倒立摆的自适应逆控制研究[D];哈尔滨工程大学;2006年
7 罗忠宝;非线性自适应逆控制在无人机自驾仪中的应用研究[D];吉林大学;2008年
8 佘远俊;神经网络在非线性系统辨识中的应用[D];西南交通大学;2005年
9 王丹;基于频域非线性方法的铝蜂窝夹层结构动力学特性研究[D];哈尔滨工业大学;2006年
10 孙兵;基于自适应逆控制的混沌保密通信研究[D];哈尔滨工程大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978