非线性自适应逆控制的研究及应用
本文针对非线性自适应逆控制进行了研究,基于神经网络的自适应逆控制具有对模型的要求低、自适应能力强、鲁棒性及容错性好的优点,可以应用于工业过程控制中并且能够取得较好的控制品质.本文寻求一种理论严谨、易工程化的非线性系统控制方法,神经网络在非线性系统的研究方面显示出了明显的优越性.本文将自适应逆控制方法与神经网络相结合,给出了非线性自适应逆控制的控制方法.首先,本文介绍了基础理论知识;其次,针对非线性自适应逆控制的理论研究,采用混沌机制与模糊神经网络相结合,构成了一种引入型模糊混沌神经网络(IFCNN),常用的BP算法收敛速度较慢且易于陷入局部极小,而混沌BP算法是以梯度下降搜索算法快速收敛到局部最优,同时依赖混沌全局优化摆脱局部极小,最终收敛到全局最优.所以这种网络既可以处理语言信息、有模糊推理能力又具有自适应、自学习及混沌搜索能力,能更好地模拟人脑处理信息的过程;再次,利用神经网络对任意非线性函数的逼近能力,把神经网络在非线性系统建模与控制中的优点引入到非线性自适应逆控制中来,从而得到系统的正向和逆向模型,再构成基于引入型模糊混沌神经网络的非线性自适应逆控制系统,对非线性自适应逆控制系统的稳定性进行了初步的讨论与分析;最后,用非线性自适应逆控制的方法控制倒立摆,验证系统的稳定性、可行性及正确性,研究表明,所设计的控制结构有很好的鲁棒性和容错性.
- 作者：
- 杨秀菊
- 学位授予单位：
- 东北石油大学
- 专业名称：
- 控制理论与控制工程
- 授予学位：
- 硕士
- 学位年度：
- 2010年
- 导师姓名：
- 刘霞
- 中图分类号：
- TP13；TP183
- 关键词：
- 非线性系统；自适应逆控制；混沌机制；模糊神经网络；系统建模
- Nonlinear systems； Adaptive Inverse Control； Chaotic Mechanism； Fuzzy Neural Network； Systems Modeling