基于LMS算法的自適應(yīng)逆控制方法研究.pdf

1、非線性自適應(yīng)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(chǔ)上，針對一類典型的非線性動態(tài)系統(tǒng)的精確控制設(shè)計了相應(yīng)的AIC方法，在改進(jìn)非線性AIC方法、辨識非線性對象及其逆模型的動態(tài)神經(jīng)網(wǎng)絡(luò)的自適應(yīng)算法和結(jié)構(gòu)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(yīng)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(quán)系數(shù)呈線性關(guān)系的神經(jīng)網(wǎng)絡(luò)非線性自適應(yīng)濾波器，提出了一種改進(jìn)的NLMS（VSMNLMS）算法，并對其收斂性能進(jìn)行了深入的研究。結(jié)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(qū)動自適應(yīng)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(xué)習(xí)（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(shè)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(shè)計為基于V

4、SMNLMS算法的動態(tài)RBF神經(jīng)網(wǎng)絡(luò)（DRBFN），以提高系統(tǒng)的響應(yīng)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(gòu)成DRBFN的學(xué)習(xí)信號。仿真結(jié)果顯示，基于DTFEL算法的動態(tài)非線性AIC系統(tǒng)具有良好設(shè)定值跟蹤和魯棒性能，進(jìn)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(jīng)網(wǎng)絡(luò)（CDFLNN）非線性自適應(yīng)濾波器，并首次將其

5、引入非線性AIC。理論分析和仿真結(jié)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(yīng)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(yīng)的自適應(yīng)過程能收斂到唯一的最小二乘解。仿真結(jié)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(yīng)濾波器。 5.結(jié)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