(英语论文总结2.pptVIP

主要内容 摘要 离散状态空间形式的神经网络模型 基于神经网络内模控制的观测器 未知分布式固化过程的NN IMC 结论 摘要 神经网络内部模型控制IMC 对象：未知的非仿射离散时间多输入多输出过程 应用条件：非线性状态空间形式，内模不匹配，干扰存在 基于未知非线性MIMO状态空间过程的神经网络状态空间模型，近似的内模和去耦控制器被得出。 因为并不是所有的状态都能得到，基于扩展卡尔曼观测器的NN模型用于估计非线性过程。 提出的NIMC能用于开环不稳定过程，那么，应用到闭环稳定性分析也可以。 应用：分布式热处理过程 证明了该方法对抑制非线性耦合和外部干扰的有效性 应用到未知的非仿射非线性离散时间MIMO系统状态空间过程的可行性。 一 引言 许多的非线性MIMO过程都被以状态空间形式建模，由于状态空间模型有清晰地物理意义，更能代表MIMO系统。 状态空间模型的优点：相比输入输出模型，更容易融合先前的物理知识到一个更小的回归量中。 输入输出模型不充分的情况：分布式的参数系统DPS（由于有限测量不能提供标准的空间信息），比如工业热处理过程 以前提出的NN IMC 方法不能直接应用到这样的MIMO状态空间模型中的原因如下： （1）在状态空间模型中，并不是所有的状态变量都可以得到，并且通常需要知道非线性状态观测器。 （2）对于未知的非线性离散时间系统，由于需要知道针对状态估计的准