基于RBFN逆模型的非线性系统控制策略研究

论文摘要

非线性在实际系统中普遍存在,非线性控制在控制科学中一直占有极其重要的地位。非线性控制由于逆系统理论的兴起而得到蓬勃发展,成为受当前国际控制界高度重视的前沿学科。然而逆系统方法要求非线性部分为解析的,这就限制了这类方法的应用。神经网络描述非线性的特点恰可以用来弥补逆系统方法的不足。本文的研究目的是将RBF神经网络、逆系统方法与非线性控制结合起来,使之更好地应用于工程实际。从算法到控制策略作者都做了大量研究工作,主要有:(1)本文针对训练RBF网络时径向基函数中心确定困难的问题,提出一种基于调整聚类半径的改进的最近邻聚类学习算法。本文提出的算法含有“粗调”和“细调”两个阶段,在满足系统性能的要求下,通过自动调整聚类半径,使之达到一个满意的值,使聚类中心数目达到最优,从而使网络结构更简单。由此得到的动态自适应RBF网络是同时进行参数和结构两个过程的自适应调整。(2)作者详细的分析了逆系统方法,并采用了α阶逆系统这个具有普遍意义的思想方法,以RBF神经网络作为直接逆控制器,并严格的证明了该控制器的存在性,然后分析了SISO系统和MIMO系统的可逆性,在此基础上设计了一种带前馈的RBFN逆控制策略,将基于改进的最近邻聚类学习算法的神经网络辨识模型变换为伪线性复合系统,使非线性对象的控制问题转换为线性对象的控制问题,对该伪线性对象采用PD加前馈的控制,前馈可以消除干扰给系统带来的稳态误差。此控制方案不仅可以实现系统伪线性化,而且可以将MIMO系统间接地解耦成几个独立的控制回路。(3)非最小相位系统的逆系统具有不稳定性,使用传统的线性控制技术很难消除这种缺点,以系统的逆映射为基础的神经网络逆控制方法将会因为控制信号的无限变大而失去作用。对非最小相位系统作者构造一个伪线性系统,使之成为一个最小相位系统,而非线性时延系统可以看作一种广义的最小相位系统,所以本文的方案对于最小相位系统、非线性时延系统、非最小相位系统都是通用的。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 逆系统方法简介
• 1.3 本文的研究思路及主要内容
• 第二章 神经网络逆系统
• 2.1 非线性离散系统的逆
• 2.2 伪线性复合系统
• 2.2.1 伪线性复合系统的定义与分析
• 2.2.2 伪线性系统的“物理特性”及隐动态
• 2.3 神经网络逆系统
• 2.3.1 正则化RBF 网络
• 2.3.2 神经网络逆系统的提出
• 2.3.3 神经网络α阶逆系统方法及其工程实现
• 2.4 本章小结
• 第三章 基于RBFN 的改进最近邻聚类学习算法研究
• 3.1 非线性系统的RBF 神经网络辨识模型及结构
• 3.2 RBF 神经网络常用的算法
• 3.3 改进最近邻聚类学习算法
• 3.3.1 函数拟合精度
• 3.3.2 仿真实验及分析
• 3.4 本章小结
• 第四章 一种带前馈的RBFN 逆控制系统设计
• 4.1 引言
• 4.2 神经网络逆控制方法概述
• 4.3 神经网络逆建模
• 4.4 系统的可逆性
• 4.5 一种带前馈的RBFN 逆控制策略研究
• 4.5.1 问题描述
• 4.5.2 RBF 网络控制器直接逆动态的存在性
• 4.5.3 神经网络逆控制器的结构
• 4.5.4 仿真研究
• 4.6 基于RBFN 逆控制策略的多变量耦合系统的解耦控制
• 4.6.1 非线性MIMO 离散耦合系统的可逆性分析
• 4.6.2 多变量离散非线性逆系统伪线性化解耦的实现
• 4.6.3 多变量神经网络逆控制策略
• 4.6.4 系统仿真实验及其分析
• 4.7 本章小结
• 第五章 基于非最小相位系统的RBFN 逆控制策略研究
• 5.1 非最小相位系统
• 5.1.1 最小相位系统和非最小相位系统的定义与分析
• 5.1.2 构造非最小相位系统的伪系统
• 5.1.3 仿真研究
• 5.2 RBFN 逆控制策略研究的通用性
• 5.3 本章小结
• 第六章 总结与展望
• 参考文献
• 附录A 插图清单
• 附录B 表格清单
• 在学研究成果
• 致谢