混沌系统的模糊神经网络控制理论方法研究

论文摘要

本文的重点是在不确定混沌系统的智能控制与同步方法上进行了一系列的探索和研究。全文主要工作有如下几个方面:1.综述了混沌研究的发展历史及其意义,归纳和总结了混沌的定义及混沌应用前景,着重评述了最近十几年来国内外几类具有代表性的混沌控制方法及其特点,阐述了本论文的研究意义。2.研究了一种将暂态误差预测技术、小扰动控制技术、梯度下降法和遗传算法（GA）融合起来控制非线性混沌系统的复合遗传神经网络方法（简称HyGANN法）。该控制方法无需了解系统的动态特性和精确的数学模型,也不需监督学习所要求的训练数据,通过增强学习训练方式,采用改进遗传算法优化神经网络权系数,使之成为混沌控制器,便可产生控制混沌系统的时间序列小扰动信号,仿真实验结果表明它不仅能有效镇定混沌周期1、2等低周期轨道,而且在周期控制技术基础上,也可成功将高周期混沌轨道（如周期4轨道）变成期望周期行为。该方法不必知道控制对象的动力学模型及诸如系统状态维数和不动点位置等其它特性,又具有一定的抗噪声干扰能力,因此可以推广应用到其它混沌系统的控制中。3.提出了一类不确定混沌系统的模糊神经网络自适应控制方法。该方法采用少量模糊规则（“如果-则”语言规则）,使模糊神经网络逼近系统中不确定函数;然后通过Lyapunov函数法和参数投影算法,即可在线调整模糊神经网络控制器参数。利用监督控制器的特点,使控制过程系统所有状态均处在约束集范围内。并且给出了界的数学表达式以便在控制器的设计过程中根据实际需要来确定界,实现参考模型自适应跟踪控制。当只有模糊神经网络（FNN）工作时,如果系统性能不稳定,则监督控制发挥作用以迫使系统转入正常运行;而当FNN单独作用能够使系统性能达到设计要求,则监督控制不参与作用。总之,运用所研究的控制方法实现混沌状态跟踪控制,理论分析表明在所有信号一致有界的意义上可以保证最终的闭环系统具有全局稳定性,仿真结果验证了所给出结果的正确性和控制方法的有效性。4.将奇异扰动方法应用到动态神经网络辨识器的稳定性分析及鲁棒性设计研究中。利用动态神经网络对混沌系统“黑匣子”进行辨识,然后在辨识估计的基础上,设计自适应状态反馈控制器对混沌系统状态进行调整,实现不确定混沌系统的参考模型轨道跟踪控制。仿真结果表明所提出的控制方法能够有效地将混沌行为镇定到期望目标轨道。5.运用动态神经网络作为不确定混沌系统的辨识模型,利用滑模控制方式在线调整网络权值,以适应混沌系统快速变化而达到实时辨识要求。考虑到辨识模

论文目录

• 学位论文原创性声明和学位论文版权使用授权书
• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 混沌研究历史及意义
• 1.3 混沌的定义
• 1.4 混沌控制研究概况
• 1.5 混沌应用前景
• 1.6 本课题研究意义
• 1.7 论文主要研究成果与结构安排
• 第2章 混沌系统的混合遗传神经网络控制
• 2.1 引言
• 2.2 小扰动控制混沌
• 2.3 遗传算法
• 2.3.1 初始群体确定
• 2.3.2 编码方案
• 2.3.3 自适应选择
• 2.3.4 杂交算子选择
• 2.3.5 自适应交叉和变异
• 2.4 HyGANN 系统设计
• 2.4.1 系统结构
• 2.4.2 HyGANN 学习算法
• 2.5 仿真试验与结果
• 2.6 结论
• 第3章 不确定混沌系统的模糊神经网络自适应控制
• 3.1 引言
• 3.2 T-S 模糊逻辑系统
• 3.3 基于李雅普洛夫函数法的模糊神经网络自适应控制器设计
• 3.4 数字仿真研究
• 3.5 讨论
• 3.6 结论
• 第4章 基于动态神经网络的混沌系统控制
• 4.1 不确定混沌系统的动态神经网络跟踪控制
• 4.1.1 引言
• 4.1.2 动态神经网络辨识
• 4.1.3 参考模型轨道跟踪控制
• 4.1.4 数值实验仿真结果
• 4.1.5 小结
• 4.2 不确定混沌系统的动态神经网络自适应控制
• 4.2.1 引言
• 4.2.2 动态神经网络辨识器及其学习算法
• 4.2.3 基于辨识器的控制器设计
• 4.2.4 数值仿真
• 4.2.5 小结
• 4.3 不确定蔡氏电路混沌系统的神经网络优化控制
• 4.3.1 引言
• 4.3.2 基于无源技术的神经网络辨识
• 4.3.3 基于辨识模型的优化控制器设计
• 4.3.4 数字仿真
• 4.3.5 小结
• 第5章 基于线性矩阵不等式方法的混沌系统模糊控制
• 5.1 不确定 Lorenz 混沌系统的鲁棒模糊控制
• 5.1.1 引言
• 5.1.2 T-S 模糊模型描述
• 5.1.3 Lorenz 混沌系统的建模
• 5.1.4 基于模糊模型的鲁棒控制器设计
• 5.1.5 计算机仿真
• 5.1.6 小结
• 5.2 基于 LMI 方法的不确定混沌系统的输出反馈模糊控制
• 5.2.1 引言
• 5.2.2 输出反馈控制系统的 T-S 模糊模型描述
• 5.2.3 T-S 模糊模型的鲁棒控制
• 5.2.4 计算机仿真
• 5.2.5 小结
• 第6章 基于回归神经网络的不确定混沌系统同步
• 6.1 引言
• 6.2 同步控制方法
• 6.3 高阶神经网络模型
• 6.4 RHONN 逼近非线性系统的特性
• 6.5 权值学习算法
• 6.5.1 滤波回归 RHONN 参数学习
• 6.5.2 滤波误差 RHONN 参数学习
• 6.6 混沌系统辨识
• 6.7 同步控制器设计
• 6.8 仿真结果
• 6.9 本章小结
• 结论与展望
• 1. 结论
• 2. 展望
• 参考文献
• 致谢
• 附录A （攻读博士学位期间发表的论文目录）
• 附录B （主持、参与项目和获奖清单）