基于神经网络的模型跟随鲁棒自适应控制
针对一类复杂非线性动力学系统,提出一种基于神经网络动态补偿的模型跟随非线性鲁棒自适应控制策略.采用神经网络在线补偿控制器以克服系统的未建模动力学和非线性耦合因素的影响,从而提高了模型跟随控制的动态性能和稳态精度;当系统存在模型不确定性和外部扰动时,其输出仍能精确地跟踪期望参考模型的输出.同时给出了闭环误差系统鲁棒稳定性的证明.应用示例表明,所提方法可保证闭环系统具有良好的跟踪性能和鲁棒性,且算法简单,易于在线控制.
自适应控制、神经网络、模型跟随、动态补偿、鲁棒稳定性
26
TP1(自动化基础理论)
国家自然科学基金;航空科研项目;高等学校博士学科点专项科研项目;中国博士后科学基金
2004-03-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
623-629