一类非线性不确系统的rbf神经网络自适应控制方法研究.pdfVIP

摘要 摘要 神经网络是近些年来一种十分热门的智能控制。它引入性能指标，在线自 整定权值，使网络沿眭能指标负梯度方向快速收敛。经过前人大量的研究表明 多层神经网络能够以任意精度逼近非线性函数，以上这些特性使得神经网络在 建模的同时亦能参与非线性系统的控制，尤其是非线性系统中含有模型不确定 部分时，能够对其进行建模和逼近。 本文首先对前人提出的几种网络自适应控制方案进行仿真分析，以比较网 络的性能，结果表明RBF网络适合于系统的建模与辨识。然后对RBF网络的 参数进行分析，在此基础上针对非线性不确定系统中的模型参数不确定部分采 用RBF网络对其进行建模并设计基于名义模型的控制律，从仿真结果可以看 出该算法能够抑制扰动而且最终也能跟踪输入信号，但在前期误差较大，且网 络的逼近功能对名义模型依赖程度较高。因此，采用反演控制，并用RBF网 络修正反演控制律中的不精确项，不仅可以避免建立名义模型而且还能取得较 好的控制效果，但在施加扰动后，控制效果很差。 最后本文提出一种基于RBF神经网络状态观测器的反演控制算法，利用 RBF网络的建模功能去逼近反演控制律和状态观测器中的不确定项，并将观 测得到的状态代替被控对象实际状态。仿真结果表明，该算法不需要建立被控 对象的名义