RBF神經(jīng)網(wǎng)絡在滑模變結(jié)構(gòu)控制中的應用研究.pdf

1、滑模變結(jié)構(gòu)控制具有響應快和對系統(tǒng)參數(shù)以及外部干擾呈不變性的優(yōu)點,而且其算法簡單易于工程實現(xiàn),近年來在解決復雜非線性系統(tǒng)的綜合問題時取得了比較突出的進展。神經(jīng)網(wǎng)絡是一種具有高度非線性的連續(xù)時間動力系統(tǒng),它有著很強的自學習功能和對非線性系統(tǒng)的強大映射能力。神經(jīng)網(wǎng)絡用于滑模變結(jié)構(gòu)控制,可實現(xiàn)自適應滑模控制。本文主要研究滑模變結(jié)構(gòu)控制與RBF神經(jīng)網(wǎng)絡相結(jié)合的等效滑模變結(jié)構(gòu)控制,通過改進RBF神經(jīng)網(wǎng)絡以產(chǎn)生性能更為優(yōu)越的神經(jīng)網(wǎng)絡自適應變結(jié)構(gòu)控制。

2、
　　 首先,根據(jù)變結(jié)構(gòu)控制的特點并且結(jié)合各種RBF神經(jīng)網(wǎng)絡在線控制算法提出了一種基于RBF神經(jīng)網(wǎng)絡中心向量的動態(tài)遞推算法,即對隱單元節(jié)點的中心采用動態(tài)遞推算法,而對于隱單元節(jié)點的寬度和網(wǎng)絡權(quán)值則采用基于經(jīng)典梯度下降算法的動量因子法進行調(diào)整,仿真結(jié)果證明了該算法的可行性和有效性。
　　 然后,通過研究BP算法的改進措施并且結(jié)合RBF神經(jīng)網(wǎng)絡在等效滑模變結(jié)構(gòu)控制中的應用特點,提出了一種基于自適應學習速率的RBF網(wǎng)絡等效滑模

3、變結(jié)構(gòu)控制方法,即對網(wǎng)絡權(quán)值采用自適應學習速率算法進行迭代,而對于隱單元節(jié)點的中心和寬度則采用經(jīng)典梯度下降算法的動量因子法進行調(diào)整,仿真結(jié)果證明了其削弱抖振的能力優(yōu)于常規(guī)的梯度下降法。
　　 最后,針對一類能采集到的等效滑模變結(jié)構(gòu)在線控制數(shù)據(jù)的變結(jié)構(gòu)控制問題,將經(jīng)典的遺傳算法和RBF神經(jīng)網(wǎng)絡結(jié)合起來,提出了兩種基于GA_RBF的等效滑模變結(jié)構(gòu)控制方法,即基于梯度下降算法的GA_RBF網(wǎng)絡補償控制器的滑模變結(jié)構(gòu)控制和基于K.Fur

4、uta控制算法的GA_RBF網(wǎng)絡補償控制的滑?？刂?。這兩種控制算法應用遺傳算法的優(yōu)化方案和優(yōu)化原理相同,但因其采集數(shù)據(jù)的不同而又具有不同的應用?；谔荻认陆邓惴ǖ腉A_RBF網(wǎng)絡補償控制器的滑模變結(jié)構(gòu)控制器能進一步提高系統(tǒng)位置跟蹤的精度;基于K.Furuta控制算法的GA_RBF網(wǎng)絡補償控制的滑模控制器能使新得到的基于GA_RBF網(wǎng)絡補償控制的滑?？刂破骶哂蠯.Furuta控制算法的穩(wěn)定性和不需要知道RBF神經(jīng)網(wǎng)絡不確定部分的上界的優(yōu)點