1.針對一類參數(shù)未知的非線性離散時間動態(tài)系統(tǒng)，提出了一種新的基于神經(jīng)網(wǎng)絡的MMAC方法。首先，將系統(tǒng)分為線性部分和非線性部分。針對系統(tǒng)線性部分采用局部化方法逮立多個固定模型覆蓋系統(tǒng)的參數(shù)范圍，在此基礎上，建立自適應模型來提高系統(tǒng)性能；針對系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡預測模型來邏近系統(tǒng)的非線性。然后，針對每個子模型設計相應的擅制器。最后，設計基于誤差范數(shù)形式的性能指標函數(shù)對控制器進行硬切換。仿真結果表明，所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MMAC方法相比能顯著提高非線性系統(tǒng)的暫態(tài)性能。2針對一類具有參數(shù)跳變的非線性離散時間動態(tài)系統(tǒng)，提出子一種基才聚類方法和神經(jīng)網(wǎng)絡的MMAC方法，首先，采用模糊c均值聚類算法對系統(tǒng)先驗數(shù)據(jù)進行分類處理，再分別對每類數(shù)據(jù)采用RLS算法建立多個固定模型。在此基礎上，建立兩個白適應模型來提高系統(tǒng)響應速度和控制品質，建立神經(jīng)網(wǎng)絡預測模型來補償系統(tǒng)非線性。然后，分別針對相應的子模型設計線性魯棒自適應控制器和神經(jīng)網(wǎng)絡控制器。最后，采用基于信號有界和測量誤差的性能切換指標對控制器進行切換，并證明閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結果表明，所提出的算法能更好地解決非線性系統(tǒng)發(fā)生參數(shù)跳變問題，使得系統(tǒng)具有良好的控制品質3.針對MMAC方法中的模型庫優(yōu)化問題，考慮系統(tǒng)實際運行數(shù)據(jù)，提出了種基于相似度準則和設置最大模型數(shù)的動態(tài)優(yōu)化模型庫方法。該方法能對新數(shù)據(jù)進行綜合考量并判斷是否應該將該數(shù)據(jù)納入子模型建模，并通過設置最大模型數(shù)來確保系統(tǒng)用最少的子模型就能保證系統(tǒng)的控制性能。仿真結果表明，所提出的算法能極大地減少子模型數(shù)量且具有較好的控制效果。關鍵詞：非線性系統(tǒng)；多模型方法；自適應控制；模糊聚類；神經(jīng)網(wǎng)絡
標簽：
自適應控制
上傳時間：
2022-03-11
上傳用戶：
