基于粗糙神经网络的非线性系统逆模型控制概要.docxVIP

第30卷 第8期 仪 器 仪 表 学 报 Vol.30 No. 8 2009 年 8月 Chinese Journal of Scientific Instrument Aug. 2009 基于粗糙 -神经网络的非线性系统逆模型控制 * 张腾飞 1，李 云2 (1 南京邮电大学自动化学院 南京 210046; 2 南京邮电大学计算机技术研究所 南京 210046) 摘 要：粗糙控制是近年来兴起的一种新的智能控制方法，作为对粗糙控制理论的探索，提出了粗糙规则逆模型的概念，并 分析了粗糙规则逆模型的一致性和完备性问题，引入了基于径向基函数网络的粗糙决策规则推理方法，构造了粗糙 - 神经网络 逆模型。对粗糙 -神经网络逆系统模型的辨识以及基于粗糙 -神经网络逆模型的控制理论和方法进行了分析和讨论， 并通过实例 仿真计算与实验分析，验证了粗糙 -神经网络逆模型控制方法的可行性。 关键词： 粗糙集；神经网络；决策规则；逆模型；粗糙控制 中图分类号： TP18 文献标识码： A 国家标准学科分类代码： 510.8010 Inverse model control methodology for nonlinear system based on rough set and neural network Zhang Tengfei 1, Li Yun 2 (1 College of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210046, China; 2 Institute of Computer Technology, Nanjing University of Posts and Telecommunications, Nanjing 210046, China) Abstract： Rough control is a new intelligent control method that rose in recent years. As an exploration of rough control theory, the concept of rough rule inverse model is first put forward. The consistency and completeness of rough rule in-verse model are analyzed, and a rough decision rule reasoning method based on radial basis function (RBF) neural net-work is introduced. On this basis, the rough-neural inverse model is presented. And then the identification of rough-neural inverse system, the control theory and method based on rough-neural inverse model are researched in detail. The feasibility of the proposed control method is demonstrated by simulation and experiment analysis. Key words ： rough set; neural network; decision rule; inverse model; rough control 用现有智能方法的优势互补对粗糙混合智能方法的任何 1 引 言 探索尝试都将是非常重要和有益的 [1]。 在控制理论中，通过反馈线性化将非线性系统变换为 粗糙控制是在粗糙集理论的基础上发展起来的一种 线性系统的思想是处理非线性最直接的思路 [2] 。逆系统方 新的智能控制方法， 粗糙集自动抽取控制规则的优点， 使 法是反馈线性化中一种比较形象直观且易于理解的方法， 它在基于规则的控制中具有很大的发展潜力。 粗糙控制和 其基本思想是首先利用被控对象的逆系统将被控对象补 模糊控制的发展初期类似， 在实际中有一些成功应用， 但 偿成为具有线性传递关系的系统， 即伪线性复合系统， 然 在理论上缺乏本质研究， 还没有形成一个理论体系。 而且 后再用线性系统的理论来完成这种系统的综合。 从现有的文献来看， 基本上都是基于粗糙集的控制规则提 由于非线性系统千差万别， 对非线性函数缺乏统一有 取或数据处理，没有充分发挥粗糙集方法作为粗糙控