良好非线性模型辨识及其内模控制

摘要：

针对良好非线性模型及其线性化补偿器模型难以建立的问题,结合神经网络的万能逼近性,提出一种模型辨识和内模控制方法.通过建立系统整体的目标函数,利用传统的BP学习算法,通过优化该目标函数得到良好非线性模型及其线性化补偿器,并给出在适当约束条件下的良好非线性模型及其线性化补偿器惟一性的证明.为提高系统鲁棒性,减小模型误差和外部扰动等不确定性,针对补偿后的伪线性系统设计非线性内模控制系统.仿真结果表明,通过优化该目标函数可以得到精确的的辨识模型和线性化补偿器,能有效地对良好非线性模型实现线性化;对补偿后的伪线性系统设计的内模控制器具有较强的鲁棒性,控制系统能精确地跟踪参考信号.

关键词：非线性模型、系统辨识、神经网络、内模控制、鲁棒性

所属期刊栏目：13

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金60674057;高等学校博士学科点专项科研基金20060613003

在线出版日期：2009-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：576-580