基于BP神經網絡的自適應逆控制的研究與應用.pdf

1、作為一種新穎的控制方法，自適應逆控制已經過了二十多年的發(fā)展，目前，線性自適應逆控制方法相對比較成熟，而非線性自適應逆控制的研究成果卻還不多。非線性自適應濾波器和非線性自適應逆控制結構是決定非線性自適應逆控制性能的關鍵，而神經網絡的飛速發(fā)展給非線性自適應逆控制提供了強有力的非線性自適應濾波器。根據BP神經網絡結構的簡單性、萬能逼近性和較好的泛化能力等特點，本課題將BP神經網絡非線性自適應濾波器引入非線性自適應逆控制系統(tǒng)，選擇適當的非線性自

2、適應逆控制結構，以兼顧系統(tǒng)的動態(tài)特性和擾動抑制能力。
　　 首先，給出了一種基于神經網絡的非線性自適應逆控制結構，并依據非線性對象和BP神經網絡的特點，設計了兩種不同結構的BP神經網絡，分別由BP算法和BPTM算法驅動，以逼近非線性對象模型和對象的逆控制器，仿真結果表明，該神經網絡能以較高的精度逼近對象模型和逆控制器，從而使基于BP神經網絡的自適應逆控制系統(tǒng)能獲得較好的動態(tài)性能。
　　 針對自適應逆控制方法將動態(tài)控制和擾

3、動抑制分開進行而互不干擾的特點，在深入分析和研究擾動抑制原理的基礎上，通過BP算法驅動BP神經網絡逼近對象的逆模型，在已有非線性控制結構上引入擾動抑制回路，設計出一種能快速消除擾動的非線性自適應逆控制系統(tǒng)。仿真結果表明，該系統(tǒng)可以快速的消除對象擾動，同時能獲得良好的設定值跟蹤性能。
　　 最后，將本文設計的非線性自適應方法應用于一級倒立擺這一典型的非線性對象，利用BP神經網絡完成了一級倒立擺正模型和逆控制器的建立，使倒立擺在允許