基于RBF神经网络的Duffing混沌系统控制

采用基于RBF神经网络的控制方法对Duffing混沌系统进行控制,运用RBF神经网络对受控的Duffing系统动力学方程中的非线性项进行自适应逼近,在保证受控系统在原点处的平衡态是一致渐进稳定的前提下,设计了相应的控制律及自适应控制律,使系统的状态变量在很短时间内稳定地收敛于目标值,仿真结果证明了该方法的有效性。     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

小型吊舱式无人艇航向控制

针对小型吊舱式无人艇航向控制系统精度问题,考虑模型中的不确定性和风、浪干扰等未知项,设计一种基于RBF神经网络和迭代滑模算法的自适应控制器.在建立吊舱式无人艇运动数学模型基础上,采用迭代滑模算法提高收敛时间,并通过RBF神经网络权值逼近模型参数不确定项和未知扰动,最终将该算法与迭代滑模算法进行仿真比较.结果表明,所提出...     

旋转导向钻井稳定平台的RBF网络滑模变结构控制

针对旋转导向钻井稳定平台存在的摩擦问题带来的不确定性,提出一种基于RBF神经网络的自适应滑模变结构控制方法,以提高稳定平台控制的精确性和抗干扰能力。使用RBF神经网络对稳定平台模型中的不确定性进行逼近,通过设计RBF网络节点的唤醒与激活阈值来减少网络规模,同时设计权值调整的自适应律,并结合滑模控制增强系统的鲁棒性。分别采用一般滑模变结构控制方法和RBF神经网络滑模变结构控制方法进行仿真实验,结果表明,RBF神经网络滑模变结构控制方法能够有效地逼近控制对象模型,有较强的鲁棒性。     

Duffing系统的控制研究

对Duffing混沌系统采用基于RBF神经网络逼近非线性项的滑模控制方法,设计了系统的控制输入和RBF神经网络的自适应律,然后从理论上对系统进行稳定性分析,构造Lyapunov函数,通过理论推导证明了在所设计的控制输入和RBF自适应律作用下,系统在原点是渐近稳定的.最后仿真结果证明了该方法的有效性,利用该方法可以实现对周期信号的快速稳定跟踪,达到了控制目的.     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...     

动力定位非线性自适应反步控制器设计

提出了一种基于VxWorks实时操作系统的船舶动力定位控制器设计,给出了整体框架和软件模块设计。实际工况中,存在模型参数难以精确描述和外界扰动不确定的问题,在控制方法上,设计了一种基于RBF神经网络的自适应反步控制。RBF神经网络对连续函数在紧集范围内具有任意经度的逼近能力,可有效解决船舶水动力高度非线性以及水动力系数难以准确估计的问题。海浪流引起的不确定外界扰动可通过自适应估计补偿。根据Lyapunov稳定性理论证明所设计的控制器是全局渐近稳定的,仿真结果验证了该方法的有效性。     

基于自适应神经网络的异构多智能体系统一致性控制

针对由一阶线性和二阶非线性组成的异构多智能体系统,提出一种基于自适应神经网络的分布式控制协议.利用每个智能体之间的通信信息调整分布式控制协议中的参数,使径向基函数(radial basis function, RBF)神经网络逼近二阶多智能体系统中的未知非线性项,进而使得异构多智能体系统实现自适应一致,并通过Lyapunov稳定性理论给予证明.MATLAB/Simulink仿真实验结果验证了该方法的有效性.     

船舶航向保持RBF神经网络自适应非线性控制

针对船舶模型不确定和控制增益未知的非线性船舶航向控制问题,基于RBF神经网络自适应控制,提出一种新的非线性航向保持控制器.首先,在理论上证明存在连续的控制律;然后,通过RBF神经网络对其逼近;最后,借助Lyapunov稳定性理论分析证明船舶航向保持闭环系统的所有误差信号一致最终有界.仿真研究验证了该控制器的有效性.     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线连续函数有较好的逼近效果,对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较,并采用实际数据进行训练,说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络.最后,以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型,并进行了模型检验,证明了基于RBF网络的建模方法具有较高的精度.     

不确定扰动情况下耦合Duffing混沌系统的广义投影同步的神经滑模控制

针对两自由度耦合Duffing混沌系统的广义投影同步控制的问题,提出了一种神经滑模控制器的设计方法.基于RBF神经网络构造系统的滑模控制器,设计自适应更新率对神经网络的网络权值进行在线调节,形成滑模控制器切换增益的自适应更新,利用Lyapunov方法证明了受控系统的稳定性.数值模拟结果表明,所设计的神经滑模控制器不但能有效降低响应系统的抖振,改善受控系统的动态品质,而且具有鲁捧性,在不确定扰动情况下仍能较好地控制驱动系统和响应系统间的混沌广义投影同步.此外,该控制器允许任意调整参数λi(i=1,2,3,4)的值得到不同类型的混沌广义投影同步.     

基于反演技术和神经网络的移动机器人控制

提出了一种基于反演设计和RBF神经网络自适应的非完整移动机器人轨迹跟踪方法.首先,设计一个虚拟的速度控制律使得输出跟踪误差尽可能小;然后,利用反演技术设计一个基于RBF神经网络的动力学控制器,以确保在机器人系统中存在不确定性和外界扰动的情况下,机器人仍具有良好的跟踪能力.RBF神经网络连接权值在线自适应律由Lyapunov理论导出,保证了控制系统的稳定性.本文提出方法的主要优点是不需要移动机器人动力学的先验知识,而且对外界扰动具有良好的鲁棒性.最后,在两轮非完整移动机器人上的仿真结果证明了本文所提出方法的有效性.     

基于滑模补偿的六轴机械臂RBF网络自适应控制

提出了一种基于滑模补偿的RBF网络自适应控制方法,并将其用于六轴机械臂上,实现了在模型不确定情况下高精度的位置跟踪以及快速的逼近速度.为了更好地保证其在摩擦力、外部干扰误差和参数变化等因素影响下的稳定性,采用滑模控制作为辅助控制,对系统进行鲁棒补偿,并且用模糊控制对切换增益进行时变以更好地补偿不确定项.所设计的自适应律权值不断进行在线调整,并应用Lyapunov定理验证了其稳定性.通过仿真结果和与其他文献方法进行的比较证明了所给出方法收敛速度更快、鲁棒性更强.同时也证明了在实际工程中,实际建模参数与理想值相差很大.     

基于双体结构的无人测绘艇航向控制

无人艇在海洋测绘中的应用越来越广泛,而航向稳定性是实现其自主航行的重要基础。设计了一种双体结构的无人测绘艇,用于搭载测量设备并实现测绘功能。为了实现无人艇的航向控制,将RBF(radial basis function)神经网络与PID(proportion integration differentiation)算法相结合,利用RBF神经网络的自学习能力实现对PID控制器参数的整定。在仿真过程中,将RBF-PID自适应模型、单一PID模型以及作为对照组引入的BP-PID自适应模型分别仿真,并在同一时刻加入随机扰动,观察系统响应效果。结果表明,基于RBF-PID算法的无人艇航向控制器的超调量为零、稳态时间最短,同时能够及时有效地纠正随机扰动的影响,保障无人测绘艇的航向稳定性。     

基于自适应反步法的非线性导弹制导/控制系统综合设计

利用基于RBF神经网络的自适应反步法结合滑模控制对非线性导弹的制导/控制系统进行了综合设计.首先把导弹的制导/控制系统转化为严反馈型,然后利用基于在线调节的神经网络反步法克服非线性系统的非匹配不确定性,引入的滑模控制项使跟踪误差趋于零.仿真结果表明,所设计的方法具有较强的实用性.     

燃料电池空气供应系统自适应神经网络滑模控制

聚合物电解质膜燃料电池(polymer electrolyte membrane fuel cell, PEMFC)空气供应系统易受参数不确定性和外部干扰的负面影响,难以实现高精度数学建模和鲁棒控制.设计了一种自适应神经网络滑模控制器,用于将PEMFC空气供应系统过氧比调节至其最优参考值,以维持最大系统输出净功率并避免氧饥饿.利用径向基函数神经网络在线逼近系统的未建模动态,而无需对外部干扰与模型参数摄动的界的先验信息.由Lyapunov理论分别推导出神经网络权值和滑模增益的自适应律,以保证闭环系统稳定性.仿真结果表明,所设计的控制器不仅改善了过氧比控制的动态行为,还有效减弱了控制输入的大幅超调和抖振.     

基于电流观测器的链式STATCOM反步控制方法

针对电网中链式静态同步补偿器(STATCOM)系统的非线性特性和不确定性,提出了一种基于高增益自适应观测器的链式STATCOM反步控制方法.针对STATCOM的输出电流值的估计,设计了一种基于神经网络高增益观测器,通过引入径向基函数(RBF)神经网络,对模型参数变化进行估计,通过反馈设计,对系统进行线性化处理,利用反步法实现电压控制器设计.结合李雅普诺夫的渐近稳定性理论,获得链式STATCOM输出无功电流的控制.仿真和实验结果进一步验证了控制方法的正确性和有效性.     

基于径向基神经网络的精馏塔产品质量自适应控制

对精馏塔全阶模型进行了分析 ,设计了基于RBF神经网络的直接自适应控制器。采用双端控制 ,克服了单端控制的不足。网络权值的调整算法基于所选择的Lyapunov函数 ,这样可保证闭环系统的稳定性和权值参数的收敛性。仿真结果表明所设计闭环系统具有良好的跟踪性和鲁棒性。