混沌系統(tǒng)的模糊神經網絡控制理論方法研究.pdf

1、本文的重點是在不確定混沌系統(tǒng)的智能控制與同步方法上進行了一系列的探索和研究。全文主要工作有如下幾個方面： 1.綜述了混沌研究的發(fā)展歷史及其意義，歸納和總結了混沌的定義及混沌應用前景，著重評述了最近十幾年來國內外幾類具有代表性的混沌控制方法及其特點，闡述了本論文的研究意義。 2.研究了一種將暫態(tài)誤差預測技術、小擾動控制技術、梯度下降法和遺傳算法(GA)融合起來控制非線性混沌系統(tǒng)的復合遺傳神經網絡方法(簡稱HyGANN法)。

2、該控制方法無需了解系統(tǒng)的動態(tài)特性和精確的數學模型，也不需監(jiān)督學習所要求的訓練數據，通過增強學習訓練方式，采用改進遺傳算法優(yōu)化神經網絡權系數，使之成為混沌控制器，便可產生控制混沌系統(tǒng)的時間序列小擾動信號，仿真實驗結果表明它不僅能有效鎮(zhèn)定混沌周期1、2等低周期軌道，而且在周期控制技術基礎上，也可成功將高周期混沌軌道(如周期4軌道)變成期望周期行為。該方法不必知道控制對象的動力學模型及諸如系統(tǒng)狀態(tài)維數和不動點位置等其它特性，又具有一定的抗噪聲

3、干擾能力，因此可以推廣應用到其它混沌系統(tǒng)的控制中。 3.提出了一類不確定混沌系統(tǒng)的模糊神經網絡自適應控制方法。該方法采用少量模糊規(guī)則(“如果—則”語言規(guī)則)，使模糊神經網絡逼近系統(tǒng)中不確定函數；然后通過Lyapunov函數法和參數投影算法，即可在線調整模糊神經網絡控制器參數。利用監(jiān)督控制器的特點，使控制過程系統(tǒng)所有狀態(tài)均處在約束集范圍內。并且給出了界的數學表達式以便在控制器的設計過程中根據實際需要來確定界，實現(xiàn)參考模型自適應跟蹤

4、控制。當只有模糊神經網絡(FNN)工作時，如果系統(tǒng)性能不穩(wěn)定，則監(jiān)督控制發(fā)揮作用以迫使系統(tǒng)轉入正常運行；而當FNN單獨作用能夠使系統(tǒng)性能達到設計要求，則監(jiān)督控制不參與作用?？傊?，運用所研究的控制方法實現(xiàn)混沌狀態(tài)跟蹤控制，理論分析表明在所有信號一致有界的意義上可以保證最終的閉環(huán)系統(tǒng)具有全局穩(wěn)定性，仿真結果驗證了所給出結果的正確性和控制方法的有效性。 4.將奇異擾動方法應用到動態(tài)神經網絡辨識器的穩(wěn)定性分析及魯棒性設計研究中。利用動態(tài)

5、神經網絡對混沌系統(tǒng)“黑匣子”進行辨識，然后在辨識估計的基礎上，設計自適應狀態(tài)反饋控制器對混沌系統(tǒng)狀態(tài)進行調整，實現(xiàn)不確定混沌系統(tǒng)的參考模型軌道跟蹤控制。仿真結果表明所提出的控制方法能夠有效地將混沌行為鎮(zhèn)定到期望目標軌道。 5.運用動態(tài)神經網絡作為不確定混沌系統(tǒng)的辨識模型，利用滑?？刂品绞皆诰€調整網絡權值，以適應混沌系統(tǒng)快速變化而達到實時辨識要求?？紤]到辨識模型與實際系統(tǒng)存在的差異，結合線性正交算法來設計優(yōu)化補償控制器。方法簡單實

6、用，計算量小，可大大提高控制系統(tǒng)的精度。同時對辨識誤差和控制目標誤差進行了分析，仿真實驗結果表明所研究的理論的正確性和方案的可行性。 6.將輸入狀態(tài)穩(wěn)定技術和無源性理論有機結合起來，對不確定蔡氏電路混沌系統(tǒng)的動態(tài)神經網絡辨識和跟蹤控制問題進行了研究。首先對動態(tài)神經網絡辨識模型進行穩(wěn)定性分析。僅僅利用系統(tǒng)輸入輸出特性便得出有關穩(wěn)定性的一般結論，即當辨識模型與實際系統(tǒng)不完全匹配時，用梯度下降算法調整神經網絡辨識器權值時，在未建模動態(tài)

7、和擾動以及任何有界不確定參數情形下，辨識系統(tǒng)均具有一定的魯棒性。然后在辨識模型基礎上設計局部優(yōu)化控制器，并給出了相應穩(wěn)定性控制定理及其證明，蔡氏混沌系統(tǒng)的辨識結果以及期望目標軌跡跟蹤控制的數值仿真實驗結果表明了所提出方法的有效性。 7.研究了參數不確定混沌系統(tǒng)的魯棒模糊控制問題。采用改進的不確定T-S模糊模型建立不確定混沌系統(tǒng)模型；再利用線性矩陣不等式(LMI)，將此模型轉換成為幾個子空間中的一組線性系統(tǒng)表達式；在不確定參數有界

8、的情況下，通過選擇滿足線性矩陣不等式的適當控制參數，將狀態(tài)反饋控制器設計問題轉化成線性矩陣不等式的形式進行求解，以獲取滿足條件的控制器參數。同時為了表明所提出的控制設計方法的正確性，進行了理論上的分析與證明；最后為了證明所提出策略的有效性和適應性，利用計算機進行了仿真試驗研究，并給出了結果。 8.利用Lyapunov穩(wěn)定性定理和線性矩陣不等式(LMI)，提出了基于模糊模型的輸出反饋魯棒控制器設計方法。特別是針對參數時變而有界的一

9、類非線性混沌系統(tǒng)魯棒穩(wěn)定問題進行了研究。所得到的模糊控制器能保證系統(tǒng)參數在有界范圍內不確定時，整個閉環(huán)T-S模糊系統(tǒng)全局漸近穩(wěn)定。為了證明所設計的模糊控制器的有效性，用不確定陳氏混沌系統(tǒng)進行計算機仿真實驗。首先，采用不確定T-S模糊模型建立陳氏混沌系統(tǒng)的數學模型。然后用LMI方法推導出模糊模型輸出反饋控制器設計的充分條件，將控制器設計問題轉換成線性矩陣不等式進行處理，求出基于模糊模型的輸出反饋控制器參數，并用Lyapunov定理證明了閉

10、環(huán)系統(tǒng)在零平衡點附近是漸近穩(wěn)定的。仿真結果表明，應用該方法控制不確定混沌系統(tǒng)是極為有效的。 9.利用遞歸高階神經網絡(RHONN)作為不確定非線性動力學系統(tǒng)的辨識模型，提出了一種自適應同步控制策略，研究了建模辨識方法及其權值學習規(guī)律。同時，采用Lyapunov函數設計方法，分析了權值自適應學習律的收斂性和穩(wěn)定性，并且針對模型誤差提出了權值改進學習算法，確保整個控制系統(tǒng)的穩(wěn)定性能。在辨識模型的基礎上，利用Lyapunov穩(wěn)定性理論