基于ELM的切换非线性动态系统神经网络控制报告方案.docVIP

贵 州 大 学 2013届硕士研究生学位论文 基于ELM的切换非线性动态系统神经网络控制 学科专业： 信号与信息处理 研究方向： 智能信息处理 导 师： 龙 飞 教授 研 究 生： 肖 扬 中国﹒贵州﹒贵阳 2013年04月目录 摘要 1 Abstract 2 第一章 绪论 4 1.1课题的研究背景 4 1.2随机系统研究现状 5 1.3切换系统研究现状 6 1.4论文的研究思路 8 1.5论文的结构安排 9 第二章 预备知识 10 2.1 切换系统的李雅普洛夫稳定性 10 2.2 随机系统的稳定性 10 2.3 ELM (Extreme?Learning?Machines)算法 11 2.3.1 单隐层前馈神经网络结构 12 2.3.2 基于ELM算法训练的单隐层前馈神经网络 12 2.4基本引理 13 第三章 一类基于ELM的切换非线性随机系统的神经网络控制 14 3.1 引言 14 3.2 系统描述 15 3.3 自适应神经网络控制 17 3.3.1 子系统的自适应神经控制器设计 17 3.3.2 切换律设计 21 3.4 仿真 23 3.5 本章小结 30 第四章 一类基于ELM的切换非线性随机系统的伪神经网络控制 31 4.1 引言 31 4.2 严格反馈切换非线性随机系统伪神经网络控制 33 4.2.1 系统描述 33 4.2.2 误差动态 34 4.2.3子系统伪神经控制器设计 36 4.2.4 切换律设计 39 4.2.5 仿真 40 4.3切换非线性随机时滞系统伪神经网络控制 44 4.3.1系统描述 44 4.3.2子系统伪神经控制器设计 45 4.3.3 切换律设计 53 4.3.4 仿真 55 4.4 本章小结 65 第五章 总结与展望 66 5.1 全文总结 66 5.2 尚需进一步研究的问题 66 致 谢 68 参考文献 69 附 录 75 1.攻读硕士学位期间发表的论文 75 2.主持和参加的科研项目 75 基于ELM的切换非线性动态系统神经网络控制 摘要 随着人工智能和计算机技术在制造业中的广泛应用，对解决产品设计、生产制造产品的整个生命周期中的多领域间的协调合作提供了一种智能化的方法，也为系统集成、并行设计实现智能制造提供了有效的手段。backstepping技术和多李雅普洛夫函数方法设计控制器以加强鲁棒性与稳定性，同时设计相应的切换规则以保证整个系统的稳定性。本文所做的主要研究工作如下： （1）提出一种自适应神经切换控制机制，采用一个单隐层前馈神经网络去补偿系统中的所有非线性项，然后利用backstepping技术和多李雅普洛夫函数方法设计相应的控制器和切换规则以保证整个系统的稳定性。不同于现有的神经网络控制方法，单隐层前馈神经网络是基于ELM算法所训练的。 （2）提出了伪神经切换控制机制。伪神经控制机制运用基于ELM算法训练的单隐层前馈神经网络进行函数逼近，其控制方案主要由伪自适应律和伪神经控制律构成，神经网络算法仅起过渡作用。伪神经控制机制解决了使用backstepping技术所设计的随机系统控制器的高计算复杂性问题和神经网络隐结点数量最优化选择的难题。 关键词: 自适应控制；伪神经控制；切换非线性随机系统；backstepping技术；多李雅普洛夫函数方法；ELM算法。 Based on ELM Switched Nonlinear Dynamic Systems Neural Network Control Abstract With the wide application of the artificial intelligence and the computer technique in manufacturing industry, hybrid system control technique not only provide an intelligent method to solve the problem in product design, production-manufacturing and multi-fields cooperation of products’ entire life cycle, but also provide an effective means to achieve system integration, parallel design and intelligent manufacturing. A switched system is a important class of hybrid systems from the research view of syste