基于WNN的未知系统最优控制双迭代算法

摘要

在现代工程的很多实际问题中,所涉及到的实际系统大多是不可知的非线性动态系统,因此会经常面临未知系统的最优控制问题.由于涉及问题的复杂性以及实际存在的一些障碍,使得这一课题在理论和应用上都具有重要的意义,同时具有很大的挑战性.该文针对未知非线性系统,就其最优控制问题的解决方案进行了相关研究.首先介绍了解决较复杂系统最优控制问题的一种典型的迭代算法,即动态系统优化与参数估计集成(DISOPE)算法,然后从二维系统的角度详细分析了此算法的二维特征及最优性和收敛性,进一步揭示了算法的内在联系.随后考虑了对未知非线性动态系统进行建模的方案,其中采用了前向的小波神经网络结构,通过选取一种混合的误差性能指标,提出一种新的在线动态梯度算法训练神经网络,使得最终实现对未知系统状态及其导数(系统函数)同时精确辨识,从而得到一个较为精确的网络模型.在这两者基础上,通过将小波神经网络建模和DISOPE算法有机结合在一起,提出一种双迭代算法,给出相应的算法设计与具体结构,并对算法性能作了分析.同时还利用具体的仿真例子来说明算法的实现及有效性.

目录

文摘

英文文摘

创新性声明和关于论文使用授权的说明

第一章绪论

§1.1最优控制的发展与现状

§1.2最优控制问题的基本概念

§1.3本文的主要内容

第二章DISOPE算法及二维理论基础

§2.1最优控制迭代算法简介

§2.2最优控制动态系统优化和参数估计集成算法

§2.3二维系统理论基础

§2.4本章小结

第三章DISOPE算法的二维分析

§3.1离散非线性系统最优控制算法的二维分析

§3.2非线性大系统最优控制算法的二维分析

§3.3本章小结

第四章小波神经网络辨识

§4.1关于神经网络建模

§4.2小波神经网络简介

§4.3动态辨识的小波神经网络设计

§4.4仿真研究

§4.5本章小结

第五章基于WNN的最优控制双迭代算法

§5.1未知系统的小波神经网络建模

§5.2最优控制双迭代算法设计

§5.3仿真研究及性能分析

§5.4进一步的探讨

§5.5本章小结

结束语

致谢

参考文献

作者在读期间的研究成果和参加的科研项目