小波神经网络内模控制的性能研究 study on internal model control theory based on wavelet networks.pdfVIP

第26卷第1期 现代 电力 V01．26No．1 Modern Feb．2009 2009年2月 ElectticPower 文章编号：1007—2322(2009)01—0077—06文献标识码：A 中图分类号：TPl83 小波神经网络内模控制的性能研究 王建平1，米晓东1，白俊峰1，田涛2 (1．山西忻州供电分公司，山西忻州034000；2．华北电力大学控制科学与工程学院，北京102206) onInternalModelControl BasedonWaveletNetworks Study Theory Wang Ta02 Jianpin91，MiXiaodon91，BaiJunfen91，Tian (1．XinzhouPower ofControlScienceand Supply 034000，China；2．School Company，Xinzhou Engineering， NorthChinaElectricPower 102206，China) University，Beijing 摘要：使用小波神经网络分别逼近对象模型和逆模型，并 制结构；文[61提出了基于神经网络构成的口逆 对原非线性系统及其逆模型组成的伪线性系统采用内模控制 系统方法；文ET]利用小波网络逼近原系统的口 理论，基于逆系统方法进行控制。当系统的建模误差满足线 阶积分逆系统；文[1]提出了连续系统小波神经 性增长条件时，分析了小波神经网络内模控制系统的鲁棒性 网络内模控制的结构，但是由于非线性系统的复杂 和稳定性，当系统的建模误差不满足线性增长条件时，应用 性，其性能的分析还缺乏完整的研究。逆系统方 波波夫超稳定性理论分析了系统的鲁棒性。仿真结果表明小 波神经网络内模控制系统是处理非线性问题比较有效的方法 法‘s3作为一种直接的反馈线性化解耦控制方法，要 之一。 求原系统及其逆系统的数学模型已知。由于非线性 系统的复杂性，精确建模比较困难，求其逆模型更 关键词：内模控制；逆系统；小波神经网络；非线性；伪线 性系统 难，这是逆系统方法在实际应用中的瓶颈之一。近 年来，人工神经网络用于线性、非线性系统的辨识 waveletnetworkisusedto Abstract：The tothe approximate nonlinearcontinuousanditsinverse 与控制取得了较大的进展M2|，但由于建模误差， system system．The is of pseudo-linearcomposednonlinearcontinuous系统的鲁棒性是不尽人意的嘲。本文对小波神经网 system anditsinverse arecombinedtheinte