基于LMS算法的自適應逆控制方法研究.pdf

1、非線性自適應逆控制（AIC）方法是實現(xiàn)動態(tài)非線性控制的一種很新穎的方法，針對它的研究具有重要的理論與實際意義。本文在研究基于LMS算法的非線性AIC方法的可行性的基礎上，針對一類典型的非線性動態(tài)系統(tǒng)的精確控制設計了相應的AIC方法，在改進非線性AIC方法、辨識非線性對象及其逆模型的動態(tài)神經網(wǎng)絡的自適應算法和結構等方面展開了深入的研究，為非線性AIC方法的完善和發(fā)展提供了新的思路。本論文主要研究了以下幾個部分： 1.證明了基于LM

2、S算法的AIC方法的可行性，首次將線性和非線性AIC統(tǒng)一于變步長LMS自適應算法，為非線性AIC方法的拓展提供了新的途徑。 2.為克服現(xiàn)代非線性AIC常用的非線性算法的收斂慢和易陷入局部極值等缺點，基于一類輸出和權系數(shù)呈線性關系的神經網(wǎng)絡非線性自適應濾波器，提出了一種改進的NLMS（VSMNLMS）算法，并對其收斂性能進行了深入的研究。結果表明，一方面，該算法的步長是輸入功率和誤差的非線性函數(shù)，能兼顧收斂速度和穩(wěn)態(tài)MSE（均方誤

3、差），收斂性能明顯優(yōu)于其它四種變步長LMS算法；另一方面，該算法對噪聲和系統(tǒng)參數(shù)變化不靈敏，魯棒性能好，在線性和非性AIC中，能驅動自適應濾波器快速而精確的逼近線性和非線性對象的模型及其逆。 3.針對動態(tài)非線性系統(tǒng)，提出了基于離散誤差反饋學習（DTFEL）算法的兩自由度非線性AIC方法，并有Lyapunov穩(wěn)定性理論確保動態(tài)全系統(tǒng)穩(wěn)定。該方法中，反饋控制器設計為傳統(tǒng)的PD控制器，以保證系統(tǒng)的穩(wěn)定性和魯棒性；前饋控制器設計為基于V

4、SMNLMS算法的動態(tài)RBF神經網(wǎng)絡（DRBFN），以提高系統(tǒng)的響應速度和穩(wěn)態(tài)精度，此時，反饋系統(tǒng)的誤差和PD控制器的輸出的線性組合構成DRBFN的學習信號。仿真結果顯示，基于DTFEL算法的動態(tài)非線性AIC系統(tǒng)具有良好設定值跟蹤和魯棒性能，進一步驗證了該方法的有效性。 4.基于VSMNLMS算法和動態(tài)非線性系統(tǒng)，提出了兩種基于切比雪夫正交基函數(shù)的并聯(lián)型和反饋型動態(tài)函數(shù)連接型神經網(wǎng)絡（CDFLNN）非線性自適應濾波器，并首次將其

5、引入非線性AIC。理論分析和仿真結果表明，對基于LMS算法的非線性AIC，CDFLNN是一種比較理想的非線性自適應濾波器，能精確地逼近四類典型的非線性對象及其逆，且相應的自適應過程能收斂到唯一的最小二乘解。仿真結果表明，對非線性AIC，基于VSMNLMS算法的CDFLNN是一種明顯優(yōu)于基于實型遺傳算法的NDFLNN的非線性自適應濾波器。 5.結合具有強大非線性函數(shù)描述能力的CDFLNN非線性濾波器，提出了DTFEL-VSMNLM