飞行转台系统混沌故障控制方法研究.pdfVIP

维普资讯 维普资讯 此时Lyapunov指数 =0．00570，系统还是混沌运动， 只是由于结均的变化，其吸引子发生很大变化。 2)取K=15，Step=1条件下，系统的输出为图7，图8给 出系统输出的相轨迹。 图3 混沌系统相轨迹 抗干扰特性。 图4给出了线性反馈控制方法的结构框图，其中的 图7 线性反馈控制混沌系统输出(K=15) ChaosSystem就是图1混沌系统，下面采用该方法，在不同参 数条件下，得到的几种不同结果。 图4 线性反馈控制方法 图8 线性反馈控制混沌系统相轨迹 (K：15) 1)取K=1，Step=1条件下，系统的输出为图5，图6给 出系统输出的相轨迹。 此时Lyapunov指数 ：一0．421690，系统进入稳定状 态，系统的吸引子为定常吸引子。 3)采用BP神经网络，对线性反馈参数K进行实时修正。 图9神经网络为BP网络，其算法是：K的初值取 15，K同时 作为BP神经网络的权值，以指令信号Ir与系统的输出之间 0(度) 差的平方为性能指标调整网络权参数，即调节 K值，最终使 系统输出Y跟踪指令信号 h。经matlab仿真，图10、图l1分 别给出了系统的输出和输出相轨迹，其效果要优于固定K值 的线性反馈控制系统。 Xr — ◆ 图5 线性反馈控制混沌系统输出(K=1) 图9 神经网络修正 K结构 此时的Lyapunov指数 =一1．67480，系统很快进入稳 定状态，系统的吸引子为定常吸引子。 4 神经网络直接控制方法 图6 线性反馈控制混沌相轨迹(K=1) 4．1 RBF辩识混沌系统 一 25 ～ 维普资讯 首先用 RBF神 在实际仿真过 经网络来逼近图 1 程中