收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于LMS算法的自适应逆控制方法研究

韩华  
【摘要】: 非线性自适应逆控制(AIC)方法是实现动态非线性控制的一种很新颖的方法,针对它的研究具有重要的理论与实际意义。本文在研究基于LMS算法的非线性AIC方法的可行性的基础上,针对一类典型的非线性动态系统的精确控制设计了相应的AIC方法,在改进非线性AIC方法、辨识非线性对象及其逆模型的动态神经网络的自适应算法和结构等方面展开了深入的研究,为非线性AIC方法的完善和发展提供了新的思路。本论文主要研究了以下几个部分: 1.证明了基于LMS算法的AIC方法的可行性,首次将线性和非线性AIC统一于变步长LMS自适应算法,为非线性AIC方法的拓展提供了新的途径。 2.为克服现代非线性AIC常用的非线性算法的收敛慢和易陷入局部极值等缺点,基于一类输出和权系数呈线性关系的神经网络非线性自适应滤波器,提出了一种改进的NLMS(VS MNLMS)算法,并对其收敛性能进行了深入的研究。结果表明,一方面,该算法的步长是输入功率和误差的非线性函数,能兼顾收敛速度和稳态MSE(均方误差),收敛性能明显优于其它四种变步长LMS算法;另一方面,该算法对噪声和系统参数变化不灵敏,鲁棒性能好,在线性和非性AIC中,能驱动自适应滤波器快速而精确的逼近线性和非线性对象的模型及其逆。 3.针对动态非线性系统,提出了基于离散误差反馈学习(DTFEL)算法的两自由度非线性AIC方法,并有Lyapunov稳定性理论确保动态全系统稳定。该方法中,反馈控制器设计为传统的PD控制器,以保证系统的稳定性和鲁棒性;前馈控制器设计为基于VS MNLMS算法的动态RBF神经网络(DRBFN),以提高系统的响应速度和稳态精度,此时,反馈系统的误差和PD控制器的输出的线性组合构成DRBFN的学习信号。仿真结果显示,基于DTFEL算法的动态非线性AIC系统具有良好设定值跟踪和鲁棒性能,进一步验证了该方法的有效性。 4.基于VS MNLMS算法和动态非线性系统,提出了两种基于切比雪夫正交基函数的并联型和反馈型动态函数连接型神经网络(CDFLNN)非线性自适应滤波器,并首次将其引入非线性AIC。理论分析和仿真结果表明,对基于LMS算法的非线性AIC,CDFLNN是一种比较理想的非线性自适应滤波器,能精确地逼近四类典型的非线性对象及其逆,且相应的自适应过程能收敛到唯一的最小二乘解。仿真结果表明,对非线性AIC,基于VS MNLMS算法的CDFLNN是一种明显优于基于实型遗传算法的NDFLNN的非线性自适应滤波器。 5.结合具有强大非线性函数描述能力的CDFLNN非线性滤波器,提出了DTFEL-VS MNLMS-ε滤波的非线性AIC方法。该方法继承了基于DTFEL算法的非线性AIC方法和ε滤波非线性AIC方法的优点,当基于VSMNLMS算法的CDFLNN能精确辨识非线性对象及其逆时,其前馈控制器能逼近理想的控制器,从而实现对动态非线性系统的精确控制。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 苗家林;自适应滤波器的修正的时域正交性算法及其应用[J];电子与信息学报;1984年05期
2 刘侠琦;王志中;徐俊荣;;MLMS自适应滤波的改进方法[J];上海交通大学学报;1988年06期
3 陈殿仁;张子荐;;自适应滤波器的单板机实现[J];长春理工大学学报;1988年03期
4 吴正国;;自适应滤波算法的新进展[J];海军工程大学学报;1990年03期
5 赵新胜;;自适应语音回波抵消器的实现[J];军事通信技术;1990年01期
6 王正洪;;用第二代DSP芯片实现自适应噪声消抵[J];微型机与应用;1992年05期
7 杨静;;多输入正弦信号的自适应检测[J];无线电工程;1993年05期
8 邱天爽,王宏禹;一种抑制周期性干扰的二级自适应时间延迟估计方法[J];大连理工大学学报;1995年02期
9 吴荔清,郑杰,刘润华,何维望;输油管道泄漏检测信号的自适应滤波处理[J];遥测遥控;2001年04期
10 王韬,田逢春;宽带接入网中的噪声闪断技术研究[J];中国有线电视;2002年11期
11 曹晓琳,吴平,张素莉,丁铁夫;一种基于自适应滤波的语音增强算法的DSP实现[J];电子器件;2005年03期
12 齐海兵;;基于LMS的自适应去噪滤波器设计[J];信息技术;2006年06期
13 王晓芳;;基于遗传算法的自适应滤波器设计与实例仿真[J];山东轻工业学院学报;2006年02期
14 窦长江;;卫星导航用户机自适应滤波研究[J];无线电通信技术;2006年06期
15 吴霄;叶水生;黄珍;;基于自适应滤波器的系统识别研究与实现[J];微计算机信息;2007年04期
16 韩玥;张亦军;贾晓岚;;一种基于ADALINE网络的自适应滤波语音降噪方法[J];郑州轻工业学院学报(自然科学版);2007年Z1期
17 刘霞;刘梦芹;王晓华;;基于粒子群算法的自适应滤波器研究及应用[J];佳木斯大学学报(自然科学版);2008年06期
18 万敏;张强;刘可薇;孙英;;基于图像去噪的自适应滤波器的设计[J];仪器仪表用户;2009年02期
19 吕学芳;平涛;;基于遗传算法的自适应滤波器设计[J];微计算机信息;2010年10期
20 宋彦;汪萌;戴礼荣;王仁华;;一种新的变步长自适应滤波算法及分析[J];电路与系统学报;2010年04期
中国重要会议论文全文数据库 前10条
1 张端金;刘侠;吴捷;;自适应逆控制的研究进展[A];第二十二届中国控制会议论文集(上)[C];2003年
2 韩继勇;;自适应滤波在地震勘探中的应用[A];1996年中国地球物理学会第十二届学术年会论文集[C];1996年
3 周永军;卢智远;牛中奇;孔令锋;;自适应滤波器在心电信号检测中的初步应用[A];全国非电离辐射与电离辐射生物效应及防护学术研讨会论文汇编[C];2004年
4 王晓琳;王大宇;刘碧龙;;基于矢量传感器的水下有源吸声研究[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年
5 李正周;董能力;金钢;刘顺发;;基于自适应滤波的强起伏背景下弱小目标检测[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 李国峰;吴岳;秦世才;;LMS自适应滤波器的FPGA实现方法[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
7 蒋薇薇;杨萍;王昱洁;;基于变步长LMS算法的自适应滤波器研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年
8 方晓梅;昌彦君;;自适应滤波器用于瞬变电磁法工频干扰压制研究[A];中国地球物理学会年刊2002——中国地球物理学会第十八届年会论文集[C];2002年
9 刘斌;魏贤龙;李卓;;基于支持向量机的Widrow自适应滤波器[A];2006中国控制与决策学术年会论文集[C];2006年
10 刘勇;沈毅;胡恒章;;递归神经网络自适应滤波器[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
中国博士学位论文全文数据库 前10条
1 韩华;基于LMS算法的自适应逆控制方法研究[D];中南大学;2008年
2 倪锦根;变设计参数子带自适应滤波器研究[D];复旦大学;2011年
3 王志杰;闭环自适应逆控制及在热力系统中的应用研究[D];重庆大学;2011年
4 谷源涛;LMS算法收敛性能研究及应用[D];清华大学;2003年
5 林耀荣;自适应滤波理论及其在回波消除中的应用研究[D];华南理工大学;1999年
6 韩加蓬;基于轮胎纵向刚度估计理论的间接轮胎压力监测技术研究[D];江苏大学;2008年
7 张义兵;高精度多线切割机数控系统关键技术及其应用研究[D];湖南大学;2009年
8 廖忠;小波网络及其在水轮机调节系统中的应用研究[D];河海大学;2005年
9 王唯;直升机“地面共振”半主动自适应控制[D];南京航空航天大学;2007年
10 李宁;LMS自适应滤波算法的收敛性能研究与应用[D];哈尔滨工程大学;2009年
中国硕士学位论文全文数据库 前10条
1 韩磊;基于非线性自适应逆控制的直驱式电液伺服系统研究[D];哈尔滨工业大学;2011年
2 王亚静;神经网络辨识及自适应逆控制研究[D];燕山大学;2010年
3 刘尚;SISO非线性系统的PID神经网络自适应逆控制[D];东北大学;2008年
4 王丽丽;自适应滤波器在高次非球面面形检测的应用研究[D];长春理工大学;2010年
5 张盈盈;自适应滤波器的研究及其在齿轮箱特征提取中的应用[D];中北大学;2010年
6 钟灼均;基于LMS滤波器在热工信号处理中的应用研究[D];华北电力大学(北京);2011年
7 谢慧娟;基于BP神经网络的自适应逆控制的研究与应用[D];中南大学;2012年
8 张银行;子带自适应滤波器的FPGA实现[D];西南交通大学;2010年
9 张宇奇;基于FPGA的复合自适应滤波器对体感诱发电位的快速提取[D];中国协和医科大学;2010年
10 秦彦平;基于DSP地下漏水定位系统的自适应滤波器设计[D];内蒙古大学;2010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