收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于扩展神经网络的非线性不确定系统自适应控制设计研究

陈浩广  
【摘要】:在当前的自动化工程实践中,信息传输和系统控制的智能化已经成为控制科学与工程研究领域的一个主要特征,其中,利用智能化系统逼近被控对象中的非线性或不确定性是其中的一个重要研究方向。因此,针对非线性不确定系统,研究基于智能化系统的控制设计具有重要的科学和工程实践意义。在控制科学与工程研究领域中,人工神经网络(Artificial neural network)是一类重要的智能化系统,其主要目的是通过模仿智能生物(Intelligent biology)神经元网络(Neuronnetwork)的运算与逻辑功能,完成某些特定的目标任务。目前,人工神经网络方法已经在系统建模、参数辨识、模式识别、控制设计等方面得到了广泛的研究和应用,值得注意是,从计算功能角度看,隐层神经元的拓扑布局、神经元间的连接权值更新律(学习律)仍然是衡量人工神经网络运算效果优劣的两个重要方面。在控制理论研究领域中,已有的研究结果表明,人工神经网络具有逼近任意非线性连续函数的通用逼近(Universal approximation)性质,但是具体到实际应用中,如何合理地布局隐层神经元(拓扑结构)以提高其计算效率仍然是亟待解决的问题。另一方面,已有的研究结果提出了许多有价值的人工神经网络权值学习律,但是在系统控制设计中,面对神经元众多的人工神经网络,同时在线执行权值更新运算往往会出现运算量急剧增加,从而导致系统运行时间延迟而失稳。对于上列两方面的问题,本文针对一类非线性不确定控制系统,提出了一种扩展神经网络方法,其主要思想是首先在通常的人工神经网络的输入输出端加装带有可调参数的伸缩器和饱和器,从而形成扩展神经网络,然后利用其逼近非线性系统中的未知不确定性,在系统控制运行过程中,只有伸缩器的可调参数伴随控制器在线调整更新,神经网络的权值事先已由系统采样数据一次性完成调整,因此,这种方法可以有效地避免同时在线执行网络权值更新运算带来的运算量急剧增加的现象。本文也提出了一种新的人工神经网络,这种神经网络利用微分几何中的单位分解方法,依据网络神经元的状态域对网络隐层神经元进行先分层后分组,形成层次嵌套型的隐层结构,在系统运行中,这种结构可以有效激活状态域内的神经元,状态域外的神经元并不被激活,这种嵌套型神经网络(Nested neural network)可以有效地减少网络权值调整运算量,与此同时,本文也针对一类非线性不确定系统,将扩展神经网络方法应用到这种嵌套型神经网络,并给出了系统控制设计。本论文主要的研究内容可概括如下:(1)简单地叙述本论文的研究背景和意义,介绍了人工神经网络的研究现状,并着重阐述了非线性系统的几个经典控制方法,最后提出需要研究的课题。(2)针对一类不确定性非线性系统,基于神经网络的万能逼近性能,提出了一种带有监督控制的神经网络自适应跟踪控制设计算法。该内容可以视为本文的启发导引篇,其中的监督控制设计思想(根据系统状态切换控制)启发了本文作者提出扩展神经网络(根据系统状态切换伸缩器的伸缩因子)和嵌套型神经网络(根据系统状态切换网络层次和分组)。(3)针对一类单输入单输出非线性系统,利用离线训练与在线调节相结合的思想,提出了一种基于扩展神经网络的自适应控制方法。该方法先通过离线数据来训练神经网络的网络结构,网络训练完成后,各网络参数保持不变;接着通过在线调节伸缩器里的伸缩因子和神经网络的逼近精度估计值来控制整个闭环动态系统。该方法的优点在于把整个控制过程分为离线训练与在线调整两个部分。在离线训练部分,任何具有逼近性能的神经网络都可以用来估算非线性系统的不确定项;而在线调节部分,我们只需要调节伸缩因子和逼近精度估计值,这样就可以减少在线调节的自适应参数数目,并且根据李雅普诺夫稳定性原理,证明了该闭环动态系统的所有信号一致终极有界(Uniformly Ultimately Bounded,UUB)。(4)提出了一种新的嵌套型BP神经网络(Nested BP neural network)。首先,提出了一个“状态域”的概念,然后利用“状态域”和单位分解的方法,来激活“状态域”内的神经元。通过这种方法构造出来的神经网络,可以从本质上减少神经元的数目,提高学习效率。接着在该神经网络的基础上,加载伸缩器和饱和器,形成一个扩展的神经网络系统,并根据李亚谱诺夫稳定性原理,设计一个非线性自适应神经网络跟踪控制方案。该方案通过对控制器、伸缩因子、参数估计值自适应律地调节,使得系统的所有信号一致终极有界(Uniformly Ultimately Bounded,UUB)。与一般传统的神经网络自适应控制方法相比较,该方案不仅能够减少神经元的训练数目,而且能有效地减少在线调节的自适应参数数目,从而减轻计算负担,提高学习效率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 蒋进;;基于神经网络的风功率组合预测[J];工程技术研究;2017年10期
2 刘桂霞;王沫沅;苏令涛;吴春国;孙立岩;王荣全;;基于深度神经网络的蛋白质相互作用预测框架[J];吉林大学学报(工学版);年期
3 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
4 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
5 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
6 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
7 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
8 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
9 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
10 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
11 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
12 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
13 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
14 胡聪丛;胡桓;;深度神经网络的发展现状[J];电子技术与软件工程;2017年04期
15 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
16 吴志军;张景安;岳猛;张才峰;;基于联合特征的LDoS攻击检测方法[J];通信学报;2017年05期
17 张琳;;基于神经网络的微博话题预测及分析[J];数字技术与应用;2017年03期
18 李秋硕;王岩;孙宇军;肖勇;欧阳涛;;BP神经网络在用电用户分类中的应用[J];现代电子技术;2017年09期
19 李博;王建国;李静文;;基于神经网络的景气预测模型[J];统计与决策;2017年10期
20 侯宇昆;;卷积神经网络概述[J];中国新通信;2017年09期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 吴森森;地理时空神经网络加权回归理论与方法研究[D];浙江大学;2018年
2 张振敏;基于脉冲神经网络的纹理图像识别研究[D];福建师范大学;2016年
3 姜晓恒;基于深度卷积神经网络多尺度共享与子块级联的物体识别[D];天津大学;2017年
4 陈浩广;基于扩展神经网络的非线性不确定系统自适应控制设计研究[D];广东工业大学;2017年
5 谈宏莹;基于太赫兹时域谱物质检测技术及实验研究[D];燕山大学;2016年
6 王玲;基于反应扩散方程的神经网络与种群模型的动力学研究[D];南京航空航天大学;2016年
7 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
8 江沸菠;基于神经网络的混合非线性电阻率反演成像[D];中南大学;2014年
9 李洋;小波过程神经网络相关理论及其应用研究[D];哈尔滨工业大学;2008年
10 周伟;关于多稳定回复式神经网络中的一些问题[D];电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 唐芳草;基于神经网络的技术合同风险分析技术研究[D];哈尔滨工程大学;2017年
2 侯蕾;基于卷积神经网络的水果检测研究[D];福建师范大学;2017年
3 汪东升;基于小波和神经网络的柴油机失火故障诊断方法研究[D];华中农业大学;2011年
4 姜珊;基于卷积神经网络的水稻生长阶段优劣长势判别的研究[D];黑龙江八一农垦大学;2018年
5 林晟;基于卷积神经网络的教学资源整合方法的研究与实现[D];上海师范大学;2018年
6 宋夏;基于改进PCA与BP神经网络的人脸识别算法[D];内蒙古师范大学;2018年
7 孙璇;基于卷积神经网络的文本分类方法研究[D];上海师范大学;2018年
8 朱永佳;基于卷积神经网络的交通标志检测与识别研究[D];上海师范大学;2018年
9 卢毅;基于轻量级卷积神经网络的人脸检测和识别算法研发[D];浙江大学;2018年
10 王雅菁;具有时滞的复值神经网络稳定性分析[D];集美大学;2017年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
3 ;人工智能将取得大面积突破[N];中国企业报;2017年
4 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
5 ;人类正迎来云端机器人时代[N];中国企业报;2017年
6 张斌;谁还需要“同传”[N];文汇报;2017年
7 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
8 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
9 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
10 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
 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