导读:本文包含了神经网络自适应逆控制论文开题报告文献综述及选题提纲参考文献，主要关键词:自适应逆控制,扰动消除,系统辨识,动态函数连接神经网络
神经网络自适应逆控制论文文献综述
虎涛涛,康波,单要楠[1]（2017）在《基于动态函数连接神经网络的自适应逆控制系统辨识研究》一文中研究指出自适应逆控制将系统扰动消除和动态响应性能独立分开控制,其性能的优劣取决于系统对象、逆对象及逆控制器模型辨识精度的高低。文中提出用动态函数连接神经网络来实现自适应逆控制系统对象、逆对象的同时在线建模和逆控制器的离线建模,并将模型参数的辨识转化为空间参数寻优。针对混沌初始化对已收敛种群结构的破坏性,提出用变参数混沌粒子群优化算法对神经网络权值进行全局寻优,通过仿真实验可以看出基于动态函数连接神经网络的建模误差小,辨识精度高;与当前的参考模型自适应控制方法进行对比分析,所提方法能取得较好的扰动消除效果,并能使系统的跟踪响应性能得到提高,从而验证了方法的有效性、可行性。(本文来源于《计算机科学》期刊2017年10期）
杨洋[2]（2016）在《基于BP神经网络的自适应逆控制系统》一文中研究指出现阶段,随着人们对自适应逆控制技术研究的不断深入,取得了一定的成果,并作为一种新颖的控制方法加以广泛应用,促进了其大力发展,使得该控制方法变得愈加成熟。通过梳理相关资料可知,国内外专家和工程人员对于线性自适应逆控制方法研究比较多,但是,就非线性自适应逆控制的研究而言,所获取的成就比较少。众所周知,如果想要有效提升非线性自适应逆控制的性能,就需要借助非线性自适应滤波器和非线性自适应逆控制结构来加以实现,为解决该技术问题,就需要通过神经网络来加以实施,这主要是基于BP(BP的全称为Back Propagation)神经网络结构具有优异的特征,例如,简单性、万能逼近性等特点,基于此,在本文的研究过程中,把BP神经网络非线性自适应滤波器引入到非线性自适应逆控制系统中,并选择适当的非线性自适应逆控制结构,以兼顾系统的动态特性和扰动抑制能力。在本文的研究过程中,首先对自适应逆控制方法进行改进,进而将其运用到永磁同步电机(PMSM)的伺服控制系统中,同时,还对该系统的自适应逆控制策略进行研究分析,在这个过程中,通过发现传统自适应滤波算法存在的缺陷,并由此提出了变步长算法,基于此,能够对具有非线性时变特性的跟踪控制问题进行解决。最后,在本文的研究过程中,还对PMSM伺服控制系统进行了仿真实验,通过实验证明使用改进后的方法,其跟踪更加快速,同时其精度也更加高,再就是系统的鲁棒性比较强。通过本文的实验结果证明,基于非线性的自适应逆控制能够最大程度上解决非线性和不确定系统在控制方面的问题,尤其在比较复杂的环境中效果较好。(本文来源于《云南师范大学》期刊2016-05-20）
陈龙,施德华,汪若尘,钱金刚[3]（2015）在《馈能悬架自适应离线神经网络逆控制》一文中研究指出在馈能悬架系统馈能回路中引入Boost/Buck型DC-DC变换器,将DC-DC变换器的非线性数学模型描述为稳态分量和扰动分量之和,设计了自适应离线神经网络逆控制器。控制器由离线神经网络逆控制器和自适应控制器组成,离线神经网络逆控制器产生直流变换器的稳态输入,并利用变换器的稳态分量产生训练离线神经网络逆控制器的样本,自适应控制器产生补偿系统参数变化和不确定性扰动的动态输入。在此基础上,对控制器的性能进行了快速控制原型试验验证。最后,对馈能悬架进行了仿真研究。结果表明,自适应离线神经网络逆控制器能够使电动机电磁阻尼力较好地跟踪理想力,改善车辆的舒适性和平顺性,并有效地回收部分悬架振动能量,实现自供能控制。(本文来源于《农业机械学报》期刊2015年02期）
梁坤,宋书中,马建伟[4]（2013）在《基于粒子群神经网络的导弹自适应逆控制》一文中研究指出针对直/气复合控制导弹的模型和参数的不确定性和多操纵机构的耦合问题,采用动态逆作为基本控制律,利用神经网络对非线性函数的逼近特性,设计在线模型参考自适应神经网络对慢回路的逆误差进行补偿,并用粒子群算法优化神经网络的参数,避免了局部寻优并提高了学习效率。通过仿真证明该方法克服了模型和参数不确定性以及外来干扰对系统稳定性的影响,对逆误差进行了有效的补偿,提高了系统的鲁棒性。(本文来源于《导弹与航天运载技术》期刊2013年02期）
胡金池,孙业余,杜进,李明[5]（2013）在《基于LabVIEW的神经网络自适应逆控制系统》一文中研究指出目前基于人工神经网络的非线性自适应逆控制研究主要集中在Matlab仿真研究方面,无法直接推广为实际应用。为此,采用基于LabVIEW的动态神经网络非线性自适应逆控制方法,首先在LabVIEW中建立动态神经网络结构及在线学习算法,并依此建立非线性对象的辨识器和逆控制器等模型;然后构建完整的非线性对象自适应逆控制系统,并在LabVIEW环境中通过仿真验证了系统性能。通过配置相应的数据采集设备,该系统可以直接推广为实际应用。(本文来源于《测控技术》期刊2013年03期）
谢慧娟[6]（2012）在《基于BP神经网络的自适应逆控制的研究与应用》一文中研究指出作为一种新颖的控制方法,自适应逆控制已经过了二十多年的发展,目前,线性自适应逆控制方法相对比较成熟,而非线性自适应逆控制的研究成果却还不多。非线性自适应滤波器和非线性自适应逆控制结构是决定非线性自适应逆控制性能的关键,而神经网络的飞速发展给非线性自适应逆控制提供了强有力的非线性自适应滤波器。根据BP神经网络结构的简单性、万能逼近性和较好的泛化能力等特点,本课题将BP神经网络非线性自适应滤波器引入非线性自适应逆控制系统,选择适当的非线性自适应逆控制结构,以兼顾系统的动态特性和扰动抑制能力。首先,给出了一种基于神经网络的非线性自适应逆控制结构,并依据非线性对象和BP神经网络的特点,设计了两种不同结构的BP神经网络,分别由BP算法和BPTM算法驱动,以逼近非线性对象模型和对象的逆控制器,仿真结果表明,该神经网络能以较高的精度逼近对象模型和逆控制器,从而使基于BP神经网络的自适应逆控制系统能获得较好的动态性能。针对自适应逆控制方法将动态控制和扰动抑制分开进行而互不干扰的特点,在深入分析和研究扰动抑制原理的基础上,通过BP算法驱动BP神经网络逼近对象的逆模型,在已有非线性控制结构上引入扰动抑制回路,设计出一种能快速消除扰动的非线性自适应逆控制系统。仿真结果表明,该系统可以快速的消除对象扰动,同时能获得良好的设定值跟踪性能。最后,将本文设计的非线性自适应方法应用于一级倒立摆这一典型的非线性对象,利用BP神经网络完成了一级倒立摆正模型和逆控制器的建立,使倒立摆在允许的范围内达到稳定,并获得较好的控制效果。结果表明,非线性自适应逆控制具有解决非线性问题的能力,可用于解决复杂非线性系统的控制问题。(本文来源于《中南大学》期刊2012-06-30）
黄深根,徐小平[7]（2012）在《基于小波神经网络的永磁同步直线电机自适应逆控制》一文中研究指出针对永磁同步直线电机(PMLSM)受推力波动等干扰,采用反馈误差学习法,利用小波神经网络在线得到PMLSM的逆模型,避免了求取PMLSM的Jacobian信息,结合PID反馈控制,实现了PMLSM的小波神经网络自适应逆控制。仿真结果表明,与PID控制以及复合前馈PID控制方法相比,所提出的方法有效提高了PMLSM系统的跟踪性与鲁棒性。(本文来源于《桂林电子科技大学学报》期刊2012年02期）
王建国[8]（2011）在《基于神经网络自适应逆控制的火电厂过热汽温控制系统的研究》一文中研究指出本文将径向基函数神经网络与控制相结合,提出了一种基于神经网络自适应逆控制的方法,设计了两个结构和学习算法完全一样的神经网络,从而解决了在线学习难题。将该方法应用于火电厂过热汽温控制系统进行仿真研究,结果表明该方法能较好地适应对象特性的变化,且控制性能比常规串级控制系统有较大的提高。(本文来源于《科技信息》期刊2011年36期）
陈龙胜,王长坤[9]（2010）在《基于神经网络的自动着陆飞行鲁棒自适应逆控制》一文中研究指出针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。(本文来源于《飞行力学》期刊2010年04期）
王亚静[10]（2010）在《神经网络辨识及自适应逆控制研究》一文中研究指出自适应逆控制作为一种新颖的控制器和调节器的设计方法,引起国内外学者越来越广泛的研究兴趣。现代神经网络技术的发展为非线性自适应逆控制的研究和实现创造了条件,探索和设计合理的动态神经网络结构和算法,构建更加有效的系统结构等已成为非线性自适应逆控制研究的重点。本文研究了神经网络的结构和算法,及基于神经网络逆模型的非线性自适应逆控制系统,主要研究内容如下:首先,系统分析了RBF网络中现有的几种确定聚类中心的算法:K-均值聚类法、梯度下降法、正交最小二乘法和动态聚类法。针对动态聚类法中距离门限值是固定不变的这一缺点,提出了一种改进的动态聚类法,根据样本密度对距离门限值进行调整,通过对煤气炉数据辨识的仿真研究,验证了该算法的有效性及快速性。其次,将RBF和BP这两种神经网络应用到自适应逆控制系统中,经一阶惯性环节的仿真结果表明RBF网络的泛化能力较低,影响了系统的控制精度。将基于BP网络的自适应逆噪声消除方法应用到轧辊偏心厚度控制中,仿真结果表明,该方法能很好地消除带钢的厚度偏差,各项指标均优于PID控制,为轧辊偏心厚度控制提供了一个新的解决方案。最后,将基于BP网络的自适应逆噪声消除方法应用到一个非线性系统控制中,系统的控制误差和均方差均小于其它方法,验证了该算法对非线性系统控制的有效性。(本文来源于《燕山大学》期刊2010-05-01）
神经网络自适应逆控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现阶段,随着人们对自适应逆控制技术研究的不断深入,取得了一定的成果,并作为一种新颖的控制方法加以广泛应用,促进了其大力发展,使得该控制方法变得愈加成熟。通过梳理相关资料可知,国内外专家和工程人员对于线性自适应逆控制方法研究比较多,但是,就非线性自适应逆控制的研究而言,所获取的成就比较少。众所周知,如果想要有效提升非线性自适应逆控制的性能,就需要借助非线性自适应滤波器和非线性自适应逆控制结构来加以实现,为解决该技术问题,就需要通过神经网络来加以实施,这主要是基于BP(BP的全称为Back Propagation)神经网络结构具有优异的特征,例如,简单性、万能逼近性等特点,基于此,在本文的研究过程中,把BP神经网络非线性自适应滤波器引入到非线性自适应逆控制系统中,并选择适当的非线性自适应逆控制结构,以兼顾系统的动态特性和扰动抑制能力。在本文的研究过程中,首先对自适应逆控制方法进行改进,进而将其运用到永磁同步电机(PMSM)的伺服控制系统中,同时,还对该系统的自适应逆控制策略进行研究分析,在这个过程中,通过发现传统自适应滤波算法存在的缺陷,并由此提出了变步长算法,基于此,能够对具有非线性时变特性的跟踪控制问题进行解决。最后,在本文的研究过程中,还对PMSM伺服控制系统进行了仿真实验,通过实验证明使用改进后的方法,其跟踪更加快速,同时其精度也更加高,再就是系统的鲁棒性比较强。通过本文的实验结果证明,基于非线性的自适应逆控制能够最大程度上解决非线性和不确定系统在控制方面的问题,尤其在比较复杂的环境中效果较好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络自适应逆控制论文参考文献
[1].虎涛涛,康波,单要楠.基于动态函数连接神经网络的自适应逆控制系统辨识研究[J].计算机科学.2017
[2].杨洋.基于BP神经网络的自适应逆控制系统[D].云南师范大学.2016
[3].陈龙,施德华,汪若尘,钱金刚.馈能悬架自适应离线神经网络逆控制[J].农业机械学报.2015
[4].梁坤,宋书中,马建伟.基于粒子群神经网络的导弹自适应逆控制[J].导弹与航天运载技术.2013
[5].胡金池,孙业余,杜进,李明.基于LabVIEW的神经网络自适应逆控制系统[J].测控技术.2013
[6].谢慧娟.基于BP神经网络的自适应逆控制的研究与应用[D].中南大学.2012
[7].黄深根,徐小平.基于小波神经网络的永磁同步直线电机自适应逆控制[J].桂林电子科技大学学报.2012
[8].王建国.基于神经网络自适应逆控制的火电厂过热汽温控制系统的研究[J].科技信息.2011
[9].陈龙胜,王长坤.基于神经网络的自动着陆飞行鲁棒自适应逆控制[J].飞行力学.2010
[10].王亚静.神经网络辨识及自适应逆控制研究[D].燕山大学.2010
标签：自适应逆控制; 扰动消除; 系统辨识; 动态函数连接神经网络;