自適應(yīng)神經(jīng)網(wǎng)絡(luò)在迭代學(xué)習(xí)和分散化控制中的應(yīng)用與綜合.pdf

1、本文基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制理論,分別對(duì)基于非線性參數(shù)化可變小波神經(jīng)網(wǎng)絡(luò)的自適應(yīng)迭代學(xué)習(xí)控制問(wèn)題,一類帶有時(shí)變時(shí)滯的非線性純反饋關(guān)聯(lián)大系統(tǒng)的自適應(yīng)分散化神經(jīng)網(wǎng)絡(luò)控制問(wèn)題和一類帶有輸入時(shí)滯和時(shí)變時(shí)滯的非線性關(guān)聯(lián)大系統(tǒng)的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制問(wèn)題做了研究。本文的貢獻(xiàn)主要有一下幾點(diǎn)。
　　首先,基于非線性參數(shù)化可變小波神經(jīng)網(wǎng)絡(luò),研究一類未知非線性系統(tǒng)的自適應(yīng)學(xué)習(xí)控制問(wèn)題,設(shè)計(jì)了一類魯棒自適應(yīng)非線性參數(shù)化神經(jīng)網(wǎng)絡(luò)控制器。其中,利用可變小波神經(jīng)網(wǎng)

2、絡(luò)對(duì)未知的非線性函數(shù)進(jìn)行估計(jì),在可變小波神經(jīng)網(wǎng)絡(luò)中神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)目隨著迭代次數(shù)增加逐漸增加。通過(guò)修正幾個(gè)關(guān)于非線性參數(shù)化可變神經(jīng)網(wǎng)絡(luò)的基本假設(shè),利用Lyapunov穩(wěn)定性定理,在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化的情況下,克服了設(shè)計(jì)可變小波神經(jīng)網(wǎng)絡(luò)中非線性參數(shù)自適應(yīng)律的困難并證明了其跟蹤誤差的收斂性。同時(shí),所有的閉環(huán)系統(tǒng)的所有信號(hào)都是有界的。最后,通過(guò)計(jì)算機(jī)仿真例子驗(yàn)證了方法的有效性。
　　其次,對(duì)于一類帶有未知時(shí)變時(shí)滯輸出耦合的純反饋關(guān)聯(lián)系

3、統(tǒng),設(shè)計(jì)一類自適應(yīng)分散化神經(jīng)網(wǎng)絡(luò)控制器。利用隱函數(shù)定理和均值定理,來(lái)自純反饋結(jié)構(gòu)的困難得到解決。在一個(gè)更加一般的假設(shè)下,即非線性關(guān)聯(lián)項(xiàng)的上下邊界可以假定為一系列關(guān)于單個(gè)系統(tǒng)輸出的未知非線性函數(shù)的和,通過(guò)引入正切函數(shù),未知關(guān)聯(lián)項(xiàng)得到了有效處理。與傳統(tǒng)的Backstepping方法相比,為了避免對(duì)虛擬控制的反復(fù)求導(dǎo),引入了動(dòng)態(tài)面控制方法。除此之外,最小學(xué)習(xí)參數(shù)技術(shù)成功的推廣到控制器設(shè)計(jì)過(guò)程中,降低了系統(tǒng)計(jì)算量。通過(guò)構(gòu)造一個(gè)適當(dāng)?shù)腖yapun

4、ov-Krasovskii泛函,證明了閉環(huán)系統(tǒng)所有信號(hào)半全局一致最終有界。最后,利用計(jì)算機(jī)仿真驗(yàn)證了方法的有效性。
　　最后,針對(duì)一類關(guān)聯(lián)大系統(tǒng)的輸入時(shí)滯問(wèn)題,設(shè)計(jì)一類自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器。引入動(dòng)態(tài)面控制方法消除了傳統(tǒng)Backstepping設(shè)計(jì)方法的導(dǎo)數(shù)爆炸問(wèn)題,簡(jiǎn)化設(shè)計(jì)控制器的復(fù)雜性。同時(shí)應(yīng)用最小學(xué)習(xí)參數(shù)技巧使待估計(jì)參數(shù)數(shù)目減少,進(jìn)一步減少了計(jì)算負(fù)擔(dān)。通過(guò)構(gòu)造一個(gè)合適的輸入時(shí)滯補(bǔ)償控制器,關(guān)聯(lián)大系統(tǒng)的輸入時(shí)滯問(wèn)題得到解決。在一