共查询到20条相似文献,搜索用时 620 毫秒
1.
讨论了一类非线性系统的自适应模型跟随控制问题。首先给出了系统的一般描述,然后研究了该系统模型跟随控制的存在条件,最后讨论了如何设计前馈控制和反馈控制矩阵的迭代调节律,使得系统输出能够快速地稳定地跟随参考模型输出。仿真结果表明了这一控制方案具有良好的非线性跟随效果。 相似文献
2.
船舶航向的神经网络并行鲁棒模型参考控制 总被引:2,自引:1,他引:2
针对大型船舶的航向控制特性,提出一种神经网络并行自学习鲁棒模型参考控制方法。这种复合控制结构利用神经网络的学习能力和非线性映射能力,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性船舶的高精度输出跟踪控制;通过引入运行监控器,克服神经网络控制方法实时性差的问题;利用一个鲁棒反馈控制器,来保证神经网络模型学习初期闭环系统的稳定性。仿真结果表明这一方法对设定航向具有精确的跟踪控制效果。 相似文献
3.
非线性系统执行器死区故障的鲁棒自适应控制 总被引:1,自引:0,他引:1
针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。 相似文献
4.
基于神经网络的假设检验故障诊断算法研究 总被引:1,自引:0,他引:1
传统的χ2检验法通过比较先验信息与量测信息进行故障检测,当先验信息所依赖的模型出现错误时将无法进行有效的故障检测和故障隔离。提出利用神经网络的方法结合χ2检验法进行故障诊断,训练神经网络来跟踪系统模型,则正确的先验信息保存在训练好的神经网络中,系统模型输出与网络模型输出之差作为故障诊断的依据。针对INS/GPS组合导航系统进行算法仿真,该算法能够快速、准确地判断系统故障源,通过故障隔离和系统重构,使系统在故障情况下依然保持正常工作。 相似文献
5.
针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。 相似文献
6.
7.
针对在轨微小卫星出现执行机构故障的情况,提出了一种基于非线性学习观测器(nonlinear learning observer, NLO)的卫星姿控执行机构故障重构方法。文中结合迭代学习算法和递推学习算法,设计了一种新型自适应学习算法,该算法应用前一时刻和当前时刻的姿态敏感器测量输出误差在线更新故障重构信号,使得所提NLO在估计卫星姿态角速度和姿态角的同时,能够快速精确在线重构卫星姿控执行机构故障。进一步给出了所提NLO的稳定性条件,并结合线性矩阵不等式技术给出了NLO增益矩阵的详细设计方法。最后,将所提方法应用于微小卫星姿控推力器故障重构,仿真结果验证了所提方法的有效性。 相似文献
8.
一类基于神经网络非线性随机系统自适应滤波 总被引:3,自引:1,他引:2
给出非线性MIMO随机系统可观性定义和条件,将非线性SISO确定性系统局部可观性理论拓展到非线性MIMO随机系统,基于这一理论在系统模型和噪声统计未知情况下,提出一类基于神经网络的非线性离散随机系统自适应滤波器的设计方法,考虑过程方程的动态特性和输出方程的静态特性,设计了动态神经网络作为系统的滤波器,前馈神经网络作为系统的输出预报器,充分利用已知观测信息训练两个神经网络,从而提高了状态估计的精度,该方法克服了扩展Kalman滤波要求模型和统计特性精确已知的不足,仿真例子验证了所提出的估计方法的有效性。 相似文献
9.
针对高精度陀螺稳定跟踪系统,提出了一种基于小波基函数神经网络的非线性系统的一步超前预测控制算法。该方法利用小波网络学习非线性系统,利用小波神经网络模型作为系统的预测模型,控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得。通过对陀螺稳定跟踪控制系统的仿真,表明该算法具有优良的控制品质。 相似文献
10.
11.
12.
13.
14.
15.
MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究 总被引:1,自引:0,他引:1
提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验,并与GA-RBF和RBF辨识效果进行了对比,结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好,可以达到更优的辨识精度。最后,通过对火电厂的过热汽温动态特性的辨识实例,同样证明了MPSO-RBF方法具有更好的性能指标。 相似文献
16.
基于径向基函数神经网络的燃料电池温度非线性建模与预测 总被引:5,自引:3,他引:2
针对现有的熔融碳酸盐燃料电池(MCFC)模型过于复杂的弊端,本文应用RBF神经网络辨识方法建立了MCFC的温度非线性模型。简要分析了MCFC电堆的温度特性,讨论了应用RBF神经网络进行多输入/多输出非线性系统建模的主要问题,并详细给出了其辨识结构,算法和模型训练方案,应用仿真对建模的有效性和建模精度进行了检验,并与BP神经网络辨识的效果进行了对比,仿真结果证明RBF神经网络远比BP神经网络收敛得快,应用RBF神经网络辨识方法对MCFC电堆建模是可行的,它避免了用复杂的微分方程组来描述MCFC,通过神经网络可快速地得到其输入同特性,它为MCFC温度的在线预测和在线控制奠定了基础。 相似文献
17.
18.
用模糊BP神经网估算小卫星成本 总被引:5,自引:0,他引:5
提出了用BP神经网对卫星成本进行二维估算 ,即先求出样本点集扩散到控制点集中的模糊数 ,然后将对应同一控制输出变量的控制输入变量的模糊数作为学习样本 ,让BP神经网进行学习。学习后的BP神经网就能在给定输入变量的情况下 ,估算出输出变量。最后 ,给出了小卫星成本的质量和定点精度模糊BP神经网估算的实例 ,取得了满意的结果。 相似文献
19.
基于BP神经网络与小波的控制研究 总被引:3,自引:0,他引:3
本文利用BP神经网络对被控对象进行在线辨识以及利用BP神经网络与小波对被控对象进行控制,通过某电厂过热器汽温为对象仿真验证此方法比一般BP神经网络效果好 相似文献
20.
基于变尺度优化方法的快速神经网络学习算法研究 总被引:5,自引:0,他引:5
本文提出一种基于变尺度优化方法的多层前向神经网快速学习算法(MDFP),实验结果表明,这种算法对于加快网络的收敛速度有着显著成效 相似文献