CMAC神經(jīng)網(wǎng)絡(luò)的泛比性能研究及其在IVSC控制中的作用.pdf

1、神經(jīng)網(wǎng)絡(luò)技術(shù)是20世紀末迅速發(fā)展起來的一門新技術(shù)。由于神經(jīng)網(wǎng)絡(luò)具有強大的非線性映射能力、自學習適應能力等優(yōu)點,因此,在控制領(lǐng)域得到了廣泛的應用。為解決未知不確定非線性系統(tǒng)的建模和控制問題提供了一條新的思路。神經(jīng)網(wǎng)絡(luò)應用于控制系統(tǒng)設(shè)計主要是針對系統(tǒng)的非線性、不確定性和復雜性進行的。對于基于神經(jīng)網(wǎng)絡(luò)的不確定非線性系統(tǒng)的高精度控制場合,神經(jīng)網(wǎng)絡(luò)泛化性能的好壞顯得尤為重要,它直接影響到系統(tǒng)的控制精度。本文主要內(nèi)容包括對CMAC神經(jīng)網(wǎng)絡(luò)泛化性能的

2、研究及其在對不確定非線性系統(tǒng)進行積分變結(jié)構(gòu)控制(IVSC)中的應用。第一章是引言,包括本文的主要研究內(nèi)容及意義。第二章對神經(jīng)網(wǎng)絡(luò)作了綜合性介紹,包括神經(jīng)網(wǎng)絡(luò)產(chǎn)生的歷史,神經(jīng)網(wǎng)絡(luò)的原理及應用。其次,對神經(jīng)網(wǎng)絡(luò)泛化性能研究作一些闡述。最后介紹神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域的應用研究以及發(fā)展情況。第三章詳細介紹CMAC神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和原理,對CMAC網(wǎng)絡(luò)的泛化能力,學習能力以及一些改善途徑進行多方面的綜合性的討論。在單個CMAC網(wǎng)絡(luò)的性能難以進一步提高時

3、,將多個訓練好的CMAC神經(jīng)網(wǎng)絡(luò)進行合理組合有利于把各個網(wǎng)絡(luò)學習到的信息綜合利用起來。由于組合網(wǎng)絡(luò)獲得的信息量大,因此其泛化性能往往優(yōu)于單個最佳子網(wǎng)絡(luò)。本章對多個CMAC神經(jīng)網(wǎng)絡(luò)的最優(yōu)線性組合方法作了詳細的討論。通過網(wǎng)絡(luò)組合的方法得到了單個CMAC網(wǎng)絡(luò)無法達到的泛化精度。第四章對CMAC網(wǎng)絡(luò)應用到積分變結(jié)構(gòu)控制(IVSC)作了介紹。變結(jié)構(gòu)控制是不確定非線性系統(tǒng)常用的一種控制方法。變結(jié)構(gòu)控制的主要問題是邊界層抖動以及切換面的選取,為了充分

4、利用變結(jié)構(gòu)控制的優(yōu)點,減少不利因素,常把變結(jié)構(gòu)控制和其他控制方法相結(jié)合。神經(jīng)網(wǎng)絡(luò)具有逼近性、適應性、容錯性及并行性等優(yōu)點,廣泛用于改善變結(jié)構(gòu)控制控制規(guī)律不連續(xù)、缺乏學習能力的缺點。對于非線性控制場合,由于系統(tǒng)的非線性和不確定性,很難對非線性系統(tǒng)建立精確模型。然而,有時可以充分利用系統(tǒng)的已知信息建立近似的參考模型對提高控制精度非常重要?？蓪⒎蔷€性系統(tǒng)分成參考模型部分和完全不可確定部分,對參考模型采用基于指數(shù)趨近律方法的積分變結(jié)構(gòu)控制,對不