具有干扰影响的神经网络控制系统研究

【摘要】：本文针对现有神经网络自适应控制系统鲁棒性差的问题,以神经网络模型参考自适应控制系统为例,简述了外部干扰对神经网络模型参考自适应控制系统带来的不良影响,并着重分析了其影响机理,指出了其中的两个可能因素,以此为依据,提出了一种新型鲁棒神经网络模型参考自适应控制结构和一种新型鲁棒神经网络模型参考自适应控制算法,将其用于神经网络模型参考自适应控制系统,取得了良好的控制效果。 与基本模型参考自适应控制系统相比,本文提出的采用新型控制算法的神经网络自适应系统具有以下特点: (1) 在控制过程初期,通过引入鲁棒因子,将神经网络控制与传统控制方法结合起来,用来克服外部扰动带来的不利影响,从而提高了控制过程闭环系统的鲁棒性; (2) 同时引入神经网络动态补偿,用于补偿控制过程后期由于鲁棒因子作用减弱而带来的影响,提高了神经网络模型参考自适应控制系统的动态性能和稳态精度; (3) 在基本神经网络模型参考自适应控制系统的基础上,提出了一种鲁棒神经网络自适应控制算法,这种算法采用修正后的输入输出数据作为训练网络的导师信号对神经网络进行学习,对于外部干扰引起的不良影响,具有良好的抑制作用。 大量的仿真结果表明,本文提出的这种基于新型控制结构和新型控制算法的神经网络模型参考自适应控制系统,在收敛精度,尤其是抗噪声干扰的能力上,比基本神经网络模型参考自适应控制系统具有更好的优势。