排序方式: 共有26条查询结果,搜索用时 0 毫秒
1.
基于神经网络的一类非线性系统的变结构控制 总被引:1,自引:0,他引:1
在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。 相似文献
2.
针对一类输入非仿射不确定性混沌系统,采用反演设计了一种新的控制器. 该方法结合非线性跟踪微分器以及扩展状态观测器,非线性跟踪微分器用于逼近虚拟控制量的导数或者参考信号的导数;扩展状态观测器用于估计系统中的未知项及扰动项,并且证明了其收敛性能. 该方法的运算时间远远小于现有设计方法,并且跟踪误差是渐近一致稳定的;该方法保证了此类系统的输出能跟踪任意可微的参考信号. 对具有非仿射输入及扰动和不确定性的混沌系统的仿真结果表明了该方法的可行性和有效性. 相似文献
3.
对于一类存在输入未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先应用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐进稳定性。最后给出的BTT导弹纵向控制系统设计仿真实例证明了该设计方法的有效性。 相似文献
4.
针对舰空导弹超视距拦截目标时复合制导目标交班的角度截获问题,通过建立相应的坐标系,并规定一种新的导引头天线轴旋转顺序,采用将导弹-目标视线角矢量投影到相应旋转平面的方法,提出了一种新的导引头天线预定指向角解算模型,有效地解决了大预定角情况下的指向角解算问题。应用方差分析方法,建立了此指向角解算模型的误差模型,进行了指向角误差仿真分析。仿真结果验证了所提出的导引头天线预定指向角解算模型的正确性及其在减小预定指向角误差方面的有效性。 相似文献
5.
为了提高系统的动态性能和稳态精度,在幂次趋近律和变速趋近律基础上提出一种自适应趋近律.当系统状态变量距离滑模面较远时,幂次项起主要作用,保证趋近速度足够大;当系统状态变量距离滑模面较近时,变速项起主要作用,随系统状态变量自适应调节滑模面参数,直至系统状态轨迹运行到稳定点.趋近律具有二阶滑模特性,可在有限时间内到达滑模面.当系统出现有界外部干扰时,系统状态及其导数可快速收敛到平衡点附近的邻域内.仿真结果表明:提出的自适应趋近律能够有效提高系统动态性能和稳态精度,增强系统鲁棒性. 相似文献
6.
输入非仿射不确定系统的跟踪控制 总被引:1,自引:0,他引:1
针对一类不确定性输入非仿射的混沌系统,结合模糊逻辑系统、非线性跟踪微分器以及扩展状态观测器,利用反演技术设计了一种新的控制器。该设计中,扩展状态观测器用来估计系统中的未知项及扰动项;模糊逻辑系统用来逼近扩展状态器不能很好处理的未知项,并且设计了误差补偿项;非线性跟踪微分器用来逼近虚拟控制量的导数;然后利用Lyapunov稳定性理论证明了闭环误差信号将渐进收敛到原点的残集内。对具有扰动和不确定性的输入非仿射混沌系统进行了仿真,同时针对一类非严格反馈系统进行了仿真,结果表明了该方法的可行性和有效性。 相似文献
7.
8.
针对模拟电路内建自测试问题,提出一种基于信号功率谱的嵌入式测试方法.采用由电压比较器构成的采样器对被测电路的输入信号和输出信号进行采样,得到频谱特性不变的数字信号序列,使用最大熵谱法计算输出序列和输入序列之间的功率谱密度比,将得到的比值与正常电路的比值进行分类比较后,确定被测电路的故障状态.在基于DSP的模拟电路测试平台上,应用信号功率谱方法对低通滤波器电路进行测试.结果表明:该方法能有效地检测模拟电路中的各种故障,硬件实现方案简单易行,适合模拟电路的嵌入式测试. 相似文献
9.
对一类控制方向未知的时变非线性系统的控制问题进行了研究.首先,设计了一种迭代神经网络估计器,并通过推导得到了逼近引理,实现了对时变不确定性的逼近;然后,提出了用迭代神经网络逼近时变不确定性,用Nussbaum函数估计未知控制方向的总体设计思想.利用李雅普诺夫稳定性理论和自适应迭代学习控制技术设计了控制系统,并进行稳定性... 相似文献
10.
针对以往利用贝叶斯网络进行势评估时,贝叶斯网络结构和参数都是固定不变的不足,为提高态势评估准确性,提出一种变结构区间概率动态贝叶斯网络(variable structure interval probability dynamic Bayesian network, VSIP DBN)进行态势评估的方法。给出了VSIP DBN的定义,推导了其推理的算法,网络结构能够根据态势变化情况进行改变,并给出了结构变化的判断依据,将参数推广为区间概率的形式,同时提出了区间概率参数的学习方法。将VSIP DBN应用于态势评估,在典型作战条件下进行仿真分析,不需要精确给出网络参数,即使出现偶然观测误差,也能够准确地评估出当前空战态势,提高了评估的灵活性。 相似文献