基于神经网络的非线性系统自适应控制研究

摘要

神经网络自适应控制是基于自适应的基本原理，利用神经网络的特点设计而成的。它发挥了自适应与神经网络的各自长处，为非线性控制的研究提供了一种新方法。 本文基于Lyapunov稳定性理论，采用神经网络直接自适应控制的思想设计控制器，研究了一类带干扰的不确定非线性系统的控制问题。控制器主要是针对不确定非线性系统中存在的两类未知项--未知函数和未知外界干扰而设计，其中未知函数利用径向基函数神经网络来近似，外界干扰利用非线性阻尼项来抑制，这样可以充分利用神经网络的逼近特性，克服复杂系统难以建模等困难，并且系统稳定性和收敛性在给出的假设的条件下均能得到保证。最后设计程序进行仿真验证，在程序设计中，以高斯函数作为基函数，仿真结果表明在权值和控制的有界性方面取得了一定的效果。 本文第一章到第三章详细介绍了人工神经网络及神经网络控制的发展和研究现状；第四章主要介绍了径向基函数神经网络，并对其逼近能力进行仿真；第五章对一类不确定非线性系统设计控制器进行控制，并进行仿真验证；在结束语中展望了神经网络控制的发展前景，提出以后的研究方向。

目录

文摘

英文文摘

声明

第一章绪论

1.1选题的背景和意义

1.2神经网络控制研究历史及现状

1.3 RBF神经网络的研究现状

1.4神经网络自适应控制的研究现状

1.5本文结构安排

第二章人工神经网络综述

2.1什么是神经网络

2.2人工神经网络研究的历史

2.3神经网络的学习规则

2.4神经网络的研究方法

2.5神经网络的能力

2.6神经网络的应用

第三章神经网络控制系统

3.1神经网络控制系统

3.2控制中常用的神经网络模型

3.3神经网络控制的结构和分类

3.4神经网络自适应控制方法及结构

3.4.1自适应控制系统简介

3.4.2神经网络直接自适应控制

第四章径向基函数神经网络

4.1径向基函数神经网络

4.2 RBF网络训练的准则和常用算法

4.3 RBF神经网络的先进学习算法

4.4 RBF网络的推广能力

4.5 RBF神经网络逼近特性

第五章基于径向基函数的神经网络直接自适应控制

5.1引言

5.2问题描述

5.3控制器设计和稳定性分析

5.4仿真结果

5.5本章小结

结束语

致谢

参考文献

攻读硕士期间发表的学术论文