带神经网络补偿的极点配置广义最小方差自校正控制-中国科技论文在线.pdfVIP

中国科技论文在线 第 28 卷第 4 期 　 信 息 与 控 制 V o l. 28,N o. 4 1999 年 8 月 In fo rm at ion an d Con t ro l 　A u g. , 1998 文章编号: 100204 11( 1999) 带神经网络补偿的极点配置广义 最小方差自校正控制 1 2 2 靳其兵 　李鸿儒 　顾树生 ( 1. 北京石油化工学院　102600; 　2. 东北大学信息科学与工程学院　沈阳　110006) 摘　要: 首先用一个常规线性模型对被控对象进行辨识, 再对线性模型辨识的余差用一个神 经网络进行补偿. 线性模型和神经网络共同构成对象的辨识模型, 并基于这一模型提出了一种显 式极点配置广义最小方差 自校正控制. 该方法适用于非线性对象, 且具有较高精度和较快的收敛 速度, 具有较强的鲁棒性. 关键词: 神经网络, 极点配置, 广义最小方差自校正控制 中图分类号: T P 13　　　　　　文献标识码: B 1　引言 为了能够控制非线性对象和提高自适应控制的精度和鲁棒性, 近年来, 提出了带神经网络 [ 1～ 3 ] 补偿的自适应控制 . [2 ] 中提出了带神经网络补偿的预测控制, 在用神经网络进行预测补 偿时, 要用到未来时刻的控制量输入, 而未来时刻的控制量输入是未知的, 通常采用的处理方 法是将前一时刻的控制序列作为已知量加入. 由于前一时刻所求出的控制序列不一定准确, 因 此, 这一方法存在不足. [ 3 ] 中提出了带神经网络补偿的极点配置 自校正控制, 但对神经网络辨 识的误差一般只能达到静态补偿. 本文提出了一种带神经网络补偿的极点配置广义最小方差 自校正控制, 该方法适用于非线性对象, 且具有较高精度和较快的收敛速度, 具有较强的鲁棒 性. 2　对象的辨识模型 设对象特性可表示为: ( ) ( ) ( ) ( ) ( ) ( ) y k = f [y k - 1 , y k - 2 , …, y k - n , u k - d , u k - d - 1 , ( ) ( ) ( ) ( ) ( ) …, u k - d - m , k , k - 1 , …, k - nc ] 1 其中, , , c 为阶次, 为时间延迟, ( ) 表示随机干扰. 首先用如下常规线性模型对被控对 n m n d k 象进行辨识 y (k ) = - a y (k - 1) - a y (k - 2) - … - a y (k - n ) +