| 【中文题名】 | 非线性系统的神经网络滑模变结构控制研究 |
| 【英文题名】 | The Study of Nonlinear System Neural Network Sliding Mode Variable Structure Control |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-10 |
| 【中关键词】 | 滑模变结构控制,神经网络,非线性,自适应控制,二阶学习算法, |
| 【英关键词】 | sliding mode variable structure control,neural networks,nonlinear systems,adaptive control,second-order learning algorithms, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
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。
... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-7 |
|
创新点摘要 |
7-10 |
|
引言 |
10-11 |
|
第一章 概述 |
11-17 |
|
1.1 基于常规NN 的SMVSC |
11-14 |
|
1.2 自适应神经网络SMVSC |
14 |
|
1.3 基于模糊神经网络的SMVSC |
14-15 |
|
1.4 关于NN-SMVSC 的其他问题 |
15 |
|
1.5 关于神经网络SMVSC 的展望 |
15-16 |
|
1.6 本论文研究的内容 |
16-17 |
|
第二章 滑模变结构控制的基本原理 |
17-31 |
|
2.1 滑模变结构控制基本理论 |
18-20 |
|
2.2 滑模面设计 |
20-26 |
|
2.3 滑模条件 |
26-27 |
|
2.4 SMVSC 的抖振问题 |
27-29 |
|
2.5 离散变结构控制 |
29-30 |
|
2.6 自适应变结构 |
30-31 |
|
第三章 神经网络滑模变结构控制 |
31-54 |
|
3.1 引言 |
31-32 |
|
3.2 基于系统辨识的的滑模变结构控制器 |
32-38 |
|
3.3 一种神经网络自适应滑模变结构控制 |
38-45 |
|
3.4 基于神经网络的滑模鲁棒控制器设计 |
45-49 |
|
3.5 基于神经网络的自学习SMVSC |
49-54 |
|
第四章 仿真研究 |
54-63 |
|
4.1 基于系统辨识的的滑模变结构控制器仿真 |
54-58 |
|
4.2 神经网络自适应滑模变结构控制仿真 |
58-62 |
|
4.3 小结 |
62-63 |
|
结论 |
63-64 |
|
参考文献 |
64-68 |
|
发表文章目录 |
68-69 |
|
致谢 |
69-70 |
|
详细摘要 |
70-76 |
|
| 【DOI】 | LunWen.ID:2.2008.388609 |
