智能控制(第三版)chap9-神经网络控制讲稿.pptVIP

其中 x为网络输入，j为网络隐层神经元编号, h=[hj]T为网络的高斯基函数输出，W*为网络的理想权值，e为网络的逼近误差，e=eN。当网络输入为x=[x1 x2]T时，网络输出为： 9.7.2 RBF网络原理 采用RBF网络逼近上述未知函数f(x)的算法为： 设计控制律为： 9.7.3 控制算法设计与分析 由于 定义Lyapunov函数为： 其中 则 权值误差! 系统稳定。 则 取 自适应律取为: 则 通过前面分析可知，基于滑模控制器设计的方法，RBF网络参数不需要采用梯度下降法进行更新 根据网络输入x1 和x2 的范围，选择ci和 bi分别为[-2 -1 0 1 2] 和3.0，W初始值全部取0.1。仿真程序为chap9_5sim.mdl, chap9_5ctrl.m, chap9_5plant.m, chap9_5plot.m。 9.7.4 仿真实例 考虑如下被控对象： 其中f(x) = 10x1x2，设位置指令为xd=sin(t)。控制律和自适应律分别如下： chap9_5sim.mdl 控制器函数： function sys=mdlDerivatives(t,x,u) global b c lama xd=sin(t); dxd=cos(t); x1=u(2); x2=u(3); e=x1-xd; de=x2-dxd; s=lama*e+de; xi=[x1;