基于神经网络的自适应逆控制方法研究

《基于神经网络的自适应逆控制方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要由B．Widrow教授提出的自适应逆控制方法经过十多年的发展，已经取得了很多成果。然而，目前针对自适应逆控制的研究，还主要以线性系统为主，针对非线性系统的研究成果还不多见，迫切需要研究者对非线性系统的自适应逆控制加以研究。当前神经网络、模糊和神经一模糊融合理论系统等的迅猛发展，给各种非线性系统的研究提供了有力的工具，本课题主要研究利用神经网络实现非线性自适应逆控制的问题，具体工作如下：首先，针对多层前向网络作为逆控制器学习收敛速度慢，易陷入局部极小的问题，研究了基于正交神经网络的直接非线性自适应

2、逆控制，通过修改网络隐层s函数的倾斜度，加快了神经网络的学习过程，并设计了无刷直流电机直接自适应逆控制系统，实现了高性能速度控制。其次，论文研究了基于模糊RBF神经网络的系统建模、逆建模方法，并且针对热工系统纯延迟对象，设计了相应的模型参考自适应逆控制系统。被控对象能快速跟踪参考模型的输出，有效的克服扰动，适应环境及参数的变化。再次，由于动态递归神经网络相比与静态神经网络的优越性，论文讨论了输出—输入反馈Elmaa网络应用于非线性自适应逆控制的可行性，并设计了隐层为径向基函数的Elman网络自适应逆

3、控制系统。针对不同的非线性对象，研究了直接逆控制及存在扰动情况下的自适应扰动消除问题。最后，针对船舶可调螺距螺旋桨控制系统中，传统PID抗干扰能力差、难以获得最佳整定效果的缺点，论文研究了基于遗传优化的非线性PID方法进行控制，引入遗传算法对系统控制器各部分参数进行优化，取得了满意的效果。关键词自适应逆控制；非线性；正交网络；RBF模糊神经网络；Elman网络：船舶调距桨燕山大学_T学硕士学位论文AbstractAdaptiveinversecontrol，whichwasfirstpresente

4、dbyprofessorWidrow,hasgotlargedevelopmentinthepastdecade，manyresuhshavebeenachievedinthestudyofadaptiveinversecontr01．However,uptonow,thestudyofadaptiveinversecontrolfocusesonlinearsystems．Relatively,studyandresultsofnonlinearsystemsfirerare．Thus,it’Sn

5、ecessaryfortheresearcherstodosomefurtherworkinthestudyofnonlinearadaptiveinversecontr01．Theadvancesinneuralnetworksandfuzzysystemsprovidetheresearcherswithpowerfultoolsfornonlinearsystems．Thisthesisaimstoachievenonlinearadaptiveinversecontrolwiththeset

6、ools．IdidthefollowingWOrk：Firstofall，becauseslowlyconvergenceandeasilystopatthelocalminimumoftheinversecontrollerconstructedbymulti-layerneuralnetwork，thepaperconstructanadaptiveinversecontrollerbyorthogonalneuralnetwork．ThroughmodifytheparametersofS-f

7、unctioninthehiddenlayer，whichacceleratethespeedofthelearning．AndthendesignthedirectinversecontrolsystemforBDCM，iteasilygetthehighperformanceinspeedcontr01．Secondly，thepaperstudiesthemodelingandinversemodelingbyfuzz)?RBFneuralnetworks；Anddesignmodelrefe

8、renceadaptiveinversecontrolsystemforthermotechnicalautomaticcontrol,thecontroUerperformswellandCanheeasilyaccomplishedon-line．Thirdly，becausetheadvantageofdynammrecurrentNN，thepaperdiscussedthefeasibilityforOIFElmanneuralnetworkusedinad