非线性系统的神经网络滑模变结构控制研究

摘要

目前对非线性系统的辨识和控制的研究已成为国内外研究的前沿和热点问题,滑模变结构控制为复杂非线性系统的控制开辟了有广泛应用前景的崭新途径,因而对变结构控制的研究具有重要的理论和应用价值.本文主要将自适应控制、变结构控制与神经网络相结合,提出性能更优越的神经网络自适应变结构控制.同时,在神经网络学习算法上更着重研究如何提高算法的收敛性.文中首先提出一种基于系统辨识的非线性滑模变结构系统设计方法；该方法用两个神经网络来动态辨识被控对象,结合变结构控制,将整个系统的稳定性,收敛性和快速性有机的结合,避免了以往变结构控制中需要已知被控对象参数变化范围的要求,同时抖动也有所减少,因而系统的鲁棒性得到进一步加强.为了进一步提高神经网络的训练速度和学习算法的收敛速度,提出了一种基于新型变结构二阶学习算法的神经网络自适应变结构控制系统.该方案中,首先提出一种新型二阶Adaline神经网络,它是一种训练速度快,对非线性系统有一定逼近能力的神经网络,用它对系统进行辨识,能实现神经网络的实时在线调整.该变结构二阶学习算法,具有二阶收敛速度.已证明其学习误差收敛到一个带宽较小的滑模区.为了减少到达滑模面的时间,充分发挥神经网络和滑模变结构控制的各自优点,本文还研究了一种将神经网络和滑模变结构控制相融合的控制系统,方案中给出了基于神经网络的滑模面设计方法,实现运动过程中的全程滑模控制.为了减少抖动,给山了用神经网络在线调整控制器参数的方法.仿真结果证明了本文所提出方案的有效性.

目录

文摘

英文文摘

学位论文独创性声明及使用授权声明

创新点摘要

引言

1概述

1.1基于常规NN的SMVSC

1.1.1用NN作SMVSC的等效控制器

1.1.2用NN作SMVSC的附加控制器

1.1.3用NN建立控制系统的数学模型

1.1.4利用NN自适应调整滑模变结构控制系统参数

1.2自适应神经网络SMVSC

1.3基于模糊神经网络的SMVSC

1.4关于NN-SMVSC的其他问题

1.5关于神经网络SMVSC的展望

1.6本论文研究的内容

2滑模变结构控制的基本原理

2.1滑模变结构控制基本理论

2.1.1滑模变结构控制的定义

2.1.2滑模变结构控制的两个运动阶段

2.1.3到达条件

2.1.4滑模变结构控制的特点

2.2滑模面设计

2.2.1发展概况

2.2.2滑模面常用的设计方法

2.3滑模条件

2.4 SMVSC的抖振问题

2.4.1研究的概况

2.4.2消除抖振的方法

2.5离散变结构控制

2.6自适应变结构

3神经网络滑模变结构控制

3.1引言

3.2基于系统辨识的的滑模变结构控制器

3.2.1引言

3.2.2非线性系统的滑模变结构控制

3.2.3基于系统辨识的变结构控制器

3.2.4小结

3.3一种神经网络自适应滑模变结构控制

3.3.1引言

3.3.2变结构二阶学习算法

3.3.3问题的描述

3.3.4二阶Adaline网络辨识器

3.3.5小结

3.4基于神经网络的滑模鲁棒控制器设计

3.4.1一般滑模控制器的设计

3.4.2 基于神经网络的滑模面设计

3.4.3控制器参数确定

3.5基于神经网络的自学习SMVSC

3.5.1引言

3.5.2系统的描述

3.5.3 SMC的设计

3.5.4三层自适应神经网络

3.5.5学习算法

4仿真研究

4.1基于系统辨识的的滑模变结构控制器仿真

4.2神经网络自适应滑模变结构控制仿真

4.3小结

结论

参考文献

发表文章目录

致谢