基于特定学习和再励学习的神经网络自适应控制

摘要

线性系统的自适应控制至今已发展的相当完美.近年来,基于微分几何理论的仿射非线性系统自适应控制也取得了很大的进展.但对一般非线性系统,其自适应控制问题的解决却仍然相当困难,使得自校正控制和模型参考自适应控制等成熟的自适应控制理论在面对一般非线性系统时显得有些力不从心.神经网络在控制方面显示了解决高度非线性和严重不确定系统的巨大潜力,基于神经网络的自适应控制方法为非线性控制系统的辨识和控制提供了一个有潜力的发展方向.本论文对神经网络自适应控制理论及其应用进行了研究,分别对利用特定学习的多层前向神经网络自适应控制和利用再励学习的ASE-ACE结构的直接自适应控制进行了理论分析和仿真实验.在论文中对特定学习算法做了较详细的介绍,并以倒立摆为被控对象进行了控制系统的仿真实验.仿真结果表明该控制方法是一种简单有效的控制方法,但同时也存在着几点不足.在论文中分别对在仿真实验中发现的神经网络线性化、自适应能力、抗干扰能力和跟踪能力等问题做了较详细的讨论.研究了Barto,Sutton,Anderson提出的利用再励学习训练的ASE-ACE结构的自适应控制方法.在论文中对这种控制方法从理论上做了较详细的介绍,并以倒立摆为被控对象进行了仿真实验,证明了这种结构和设计方案的有效性.

目录

文摘

英文文摘

第1章绪论

1.1论文研究的意义

1.2人工神经网络的发展与现状

1.3神经网络控制概述

1.4神经网络自适应控制结构与应用

1.5倒立摆实验装置概述

1.6本论文的主要工作和内容安排

第2章神经网络的基本理论

2.1人工神经网络结构

2.1.1生物型神经网络

2.1.2基本处理单元

2.1.3主要连接形式

2.2人工神经网络的学习

2.2.1学习模式

2.2.2基本学习规则

2.3 BP网络模型及算法

2.4本章小结

第3章基于特定学习的神经网络直接自适应控制

3.1 BP网络的泛化学习与特定学习

3.1.1泛化学习与特定学习神经控制结构

3.1.2特定学习算法

3.2倒立摆的数学建模

3.3控制方案的设计

3.4仿真结果及讨论

3.4.1神经网络的初始权值与收敛的关系

3.4.2局部极小值

3.4.3自适应能力分析

3.4.4跟踪能力分析

3.4.5抗干扰能力分析

3.5本章小结

第4章基于再励学习的神经网络控制

4.1神经网络再励学习原理

4.1.1评价网络

4.1.2控制网络

4.2倒立摆的ASE-ACE控制结构

4.2.1自联想搜索单元

4.2.2自适应评价单元

4.3仿真结果及讨论

4.4本章小结

结论

参考文献

附录

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢

个人简历